NoLiMa 复测显示 32K 上下文下模型在无共享词条件下大幅退化

作者使用 6 个 2026 年模型进行 7500 次 NoLiMa 复测，发现 32K 上下文且问题与原文无共享词时，10 组设置中有 9 组得分跌破 1K 成绩的 85%。