NoLiMa复测揭示32K上下文明显退化

mrtac96用6个2026年模型完成7500次NoLiMa复测，结果显示：问题与原文无共享词时，32K上下文下10组设置中有9组得分低于各自1K成绩的85%，而1K时模型基本能正确作答。 作者删除或改写原始提示词后重跑两轮完整实验，结果未变；当问题直接复述目标词时，32K下10组设置均获满分。实验全文与代码数据已开源。

AI 根据报道生成 · 33 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。