当咱们和AI助手进行永劫辰对话时，你有莫得发现一个问题：对话进行得越久，AI就越容易"忘记"之前说过的话，甚而运转口不择言？这就像一个东谈主在尽头疲困景况下使命，刚运转还能保握专注，但跟着时辰推移，谛视力就运转散布，使命质地也直线下落。
这个问题在AI范围有个专门的名字叫"凹凸文沉沦"（context rot），而香港科技大学的研讨团队最近发布了一项热切研讨，专门惩办这个让东谈主头疼的问题。这项研讨发表于2026年2月，论文编号为arXiv:2602.07962v1，为咱们深入知道AI在永劫辰使命中的发达提供了全新视角。
传统的AI测试就像给学生出沿途阅读知道题：给你一篇很长的著作，然后问你著作里的某个细节。但试验中，AI助手的使命更像是一个私东谈主通告，需要在漫长的使命日中处理多样复杂任务：检察邮件、整理日程、分析数据、撰写阐发。跟着使命时辰的延伸，这位"AI通告"需要记着的信息越来越多，而它的"挂念力"却运转出现问题。
香港科技大学的研讨团队表现到，现存的测试步调就像只检会学生的短期挂念才调，却忽略了在的确使命环境中需要的弥远专注力和空洞处理才调。于是，他们创建了一个名为LOCA-bench的全新测试平台，这个名字代表"长凹凸文智能体"（LOng-Context Agents）的基准测试。
LOCA-bench就像为AI助手假想了一个模拟的的确使命环境。在这个环境中，AI需要饰演一个全能助手的变装，处理多样实质使命场景：管理在线课程系统、处理电子邮件、操作电子表格、查询数据库、管理电商平台等。要害在于，跟着使命的进行，AI需要处理的信息量会越来越大，就像一个通告的桌子上文献越堆越高。
研讨团队微妙地假想了一个可以适度"使命量"的系统。他们可以让归拢个任务在不同的信息量条目下进行。比如说，让AI整理学生的磨练安排，在简单时势下可能唯有10门课程需要处理，而在复杂时势下可能有上百门课程，每门课程还有多量的详信服息。这么，研讨东谈主员就能准确不雅察到AI的发达是若何跟着信息量加多而变化的。
这个测试系统包含了15种不同类型的的确使命场景，每种场景王人可以在7个不同的复杂度级别上运行，从相对简单的8000个信息单元到极其复杂的256000个信息单元。通盘测试包含了525个不同的任务样本和280种不同的器具，简直涵盖了当代办公环境中的统统常见使命。
一、当代AI助手面对的"挂念力"危急
当咱们深入不雅察AI助手在处理复杂任务时的发达，就会发现一个令东谈主担忧的景色：就像东谈主在尽头疲困景况下使命一样，AI的各项才调王人会跟着任务复杂度的加多而显耀下落。
研讨团队测试了七个咫尺最先进的AI模子，包括Claude-4.5-Opus、GPT-5.2-Medium、Gemini-3-Flash等盛名的交易模子，以及DeepSeek-V3.2-Thinking、MiniMax-M2.1等优秀的开源模子。测试闭幕就像一条陡峻的下坡路：当信息量较少时，大多数AI模子王人能保握70%以上的准确率，发达相配可以。但跟着信息量的加多，它们的发达就运转急剧下滑。
最引东谈主注主张发现是，当信息量达到最高等别时，即使是最先进的交易模子，准确率也会下落到20%操纵，而一些开源模子的发达甚而不到5%。这就好比一个平日使命才调很强的职工，在面对海量信息时完竣失去了标的感，使命效力严重下落。
更挑升念念的是，不同类型的AI模子展现出了不同的"疲困时势"。Claude-4.5-Opus在处理简单任务时发达最为出色，准确率高达96%，但跟着复杂度加多，下落幅度也最为彰着。比拟之下，GPT-5.2-Medium诚然肇始发达不如Claude，但在高复杂度情况下保握得更好，展现出了更强的"握久力"。
研讨团队还发现了一个令东谈主无意的景色：跟着任务复杂度的加多，AI模子实质探索和处理的信息量并莫得相应加多，反而运转"偷懒"。就像一个面对满桌文献的职工，不是愈加尽力地处理每一份文献，而是运转挑三拣四，只处理看起来简单的部分，最终导致使命质地下落。
这种景色反应在具体数据上即是：当环境复杂度从96K信息单元加多到更高等别时，大多数AI模子的使命轨迹长度、器具调用次数王人运转趋于沉静，不再增长。这意味着AI并莫得因为任务更复杂而愈加尽力，反而遴选了一种"叮属了事"的使命样式。
二、AI助手的四大"职场病"
通过深入分析AI助手在复杂环境下的使命发达，研讨团队识别出了四种典型的"职场病"，这些问题就像职场新东谈主在面对高强度使命时容易犯的诞妄。
第一种病症是"念念维简化症"。在信息量较少时，AI助手好像进行复杂的多设施推理，就像一个预防的观测，会从多个陈迹源网罗信息，进行交叉考据，临了得出准确论断。但当信息量加多后，AI就运转"偷懒"，每每只看一部分信息就匆忙中下论断。
研讨团队给出了一个纯果真例子：AI需要整理学生的期末磨练安排，这些信息散布在课程公告和电子邮件中。在简单情况下，AI会仔细检察统统公告和邮件，还会查对课程编号确保信息准确。但在复杂情况下，AI可能只检察公告就运转制作磨练安排表，完竣忽略了邮件中的热切信息，导致最终闭幕不完整。
第二种病症是"忘记症"。这表当今AI越来越容易忘记任务运转时给出的热切涵养，特别是一些体式要乞降经管条目。就像一个职工在勤劳中忘记了雇主最先的要求，按照我方的想法来完成使命。
一个典型案例是，AI被要求分析A/B测试数据并将闭幕纪录在CSV文献中，明确要求"罢黜文献中的换取体式，不要更动列名"。在信息量较少时，AI会先查验现存文献的体式，然后严格按照要求来纪录数据。但在信息量加多后，AI每每会忽略这个热切涵养，按照我方的知道来诞生列名，导致最终闭幕不稳当要求。
第三种病症是"暴躁症"。跟着凹凸文变长，AI变得越来越莫得耐性，连接在完成任务之前就提前闭幕使命。这就像一个职工面对堆积如山的文献时，匆忙中浏览了一部分就合计照旧完成了全部使命。
研讨中有一个很好的例子：AI需要在电商平台中找出统统库存不及的商品。在简单情况下，AI会耐性肠翻看统统商品页面，确保莫得遗漏。但在复杂情况下，AI可能只检察了前100个商品，发现莫得稳当条目的，就匆忙中得出"莫得库存不及商品"的论断，完竣莫得络续检察剩余的商品。实质上，在后续的商品中如实存在需要处理的情况。
第四种病症是"幻觉症"。这是最令东谈主担忧的问题：即使AI正确取得了信息，在后续处理经过中也可能出现信息失真，就像寄语游戏中的信息变形。
一个典型例子是，AI需要监控工场斥地的传感器数据，识别格外读数。研讨东谈主员发现，AI好像正确从数据库中查询到某台机器在特定时辰的振动值是1.61，但在后续生成阐发时，却将这个数值纪录为2.46。这种信息失真在短凹凸文情况下很少出现，但跟着凹凸文增长变得越来越频繁。
三、营救AI助手的"挂念增强"技能
面对AI助手的"职场病"，研讨团队并莫得坐以待毙，而是开发了一套完整的"调养决策"，就像给过度疲困的职工提供多样使命提拔器具和步调。
这些惩办决策可以分为两大类：基础的"整理术"和高等的"使命法"。基础整理术包括三种步调，就像办公室的文献管理手段。
第一种是"器具闭幕清算法"。当AI的使命纪录变得过于冗永劫，系统会自动删除一些早期的、不太热切的器具调用纪录，就像依期清算办公桌上的旧文献。这么可以为新的热切信息腾出空间，让AI保握专注。
第二种是"念念考经过压缩法"。AI在使命时会产生好多里面念念考纪录，就像咱们在草稿纸上的涂涂画画。当这些纪录太多时，系统会保留最新的念念考内容，删除较早的念念考经过，真钱三公确保AI好像专注于刻下任务。
第三种是"对话历史节录法"。当使命对话变得很永劫，AI会将早期的对话内容转头成轻松的要点，就像会议纪要一样，既保留了热切信息，又节约了空间。
高等使命规定愈加智能和主动。"凹凸文感知法"就像给AI安设了一个"内存监控器"，让它及时了解我方的"挂念空间"还剩若干。每次使用器具后，系统王人会告诉AI："你的挂念空间还剩XX%，请合理安排后续使命。"这么AI就能更好地有有计划我方的使命节律。
"挂念器具法"更像是给AI配备了一个外部条记本。当热切信息太多时，AI可以将一些要害信息写入专门的挂念文献中，需要时再调取。这就像咱们在处理复杂神志时会作念多样备忘录一样。
最真谛真谛的是"法度化器具调用法"，这相配于让AI学会写"使命剧本"。传统样式下，AI需要一步步手动操作：大开文献、读取内容、处理数据、保存闭幕。但通过法度化调用，AI可以写一个小法度来自动完成这一系列操作，既提高了效力，又减少了中间经过中的信息积蓄。
研讨闭幕流露，这些"调养步调"如实有用。以Gemini-3-Flash为例，在复杂任务中，基础准确率唯有21.3%，但愚弄了凹凸文感知技能后普及到33.3%，使用挂念器具后达到30.7%，而法度化器具调用法雷同达到了30.7%。最令东谈主印象深远的是GPT-5.2-Medium，通过法度化器具调用，准确率从38.7%普及到了49.3%，普及幅度突出25%。
更热切的是，这些技能不仅提高了准确率，还显耀减少了使命轨迹的长度。法度化器具调用法尤其出色，它让AI的使命变得愈加高效和有序，就像从手使命业升级到了工业化坐褥。
四、的确天下测试：AI助手与专科器具的较量
为了考据这些更正步调在试验环境中的效果，研讨团队还进行了一项特殊的对比测试，让AI助手与现存的专科智能助手器具进行平直比拼，就像让不同品牌的居品在换取条目下给与消费者测试。
此次对比的对象是Claude Agent SDK，这是Anthropic公司开发的专科智能助手框架，集成了多种先进功能，包括语义搜索、子助手系统等。按理说，这么的专科器具应该在复杂任务中发达更好，就像专科级的瑞士军刀应该比鄙俗器具更实用。
可是测试闭幕却出东谈主料到。当使用Claude Agent框架时，Claude-4.5-Opus的发达实质上比平直使用模子还要差，准确率从34.0%下落到了26.7%。这就像一个熟练的工东谈主在使用了复杂的自动化斥地后，反而使命效力裁减了。
研讨团队深入分析后发现了问题方位。Claude Agent框架诚然功能重大，但它饱读舞AI使用多样高等功能，比如同期启动多个子助手来处理不同任务。听起来很横蛮，但实质上AI对这些复杂环境还不够老练，就像一个生人司机开着配备了多样高技术功能的豪车，反而因为不老练这些功能而开得跌跌撞撞。
具体来说，在处理在线学习平台任务时，AI会启动好多子助手去网罗课程和功课信息，但每每忘记给这些子助手提供必要的器具权限，闭幕这些子助手什么也作念不了，只是白白挥霍了"挂念空间"。比及AI表现到问题时，照旧浪费了多量资源，只好重新运转，而此时"挂念空间"照旧所剩无几，导致后续使命质地下落。
比拟之下，研讨团队我方开发的法度化器具调用步调发达要好得多。诚然他们的完了版块准确率为40.0%，但Anthropic官方的法度化器具调用完了达到了49.3%，这评释这个标的是正确的，只是在具体完了细节上还有优化空间。
这个对比测试揭示了一个热切不雅点：技能的先进性并不老是等同于实用性。有时候，简单平直的惩办决策反而能取得更好的效果，就像在某些情况下，一把鄙俗的螺丝刀可能比多功能器具更好用。
五、从实验室到试验愚弄的念念考
LOCA-bench的研讨后果不单是是一个学术研讨，更像是为改日AI助手的发展指明了标的。这项研讨揭示的问题和惩办决策，对咱们日常使用AI助手有着平直的领导真谛。
最先，这项研讨匡助咱们重新表现了AI助手的才调畛域。在日常使用中，咱们连接会际遇这么的情况：刚运转和AI对话时效果很好，但聊得时辰长了，AI的恢复质地就运转下落，有时甚而会出现朝秦暮楚的情况。当今咱们知谈，这并不是恐怕景色，而是AI系统的固有特质。了解这少量后，咱们可以调治使用计谋，比如在热切任务中当令"重启"对话，或者将复杂任务明白成几个零丁的简单对话。
其次，研讨中提到的多样优化技能照旧运转在实质居品中得到愚弄。比如，一些聊天机器东谈主会在对话变永劫主动提供对话节录，这即是"对话历史节录法"的实质愚弄。一些AI写稿助手会教导用户刻下内容长度，提出分段处理，这体现了"凹凸文感知"的念念想。
法度化器具调用的见解也在篡改咱们对AI才调的知道。传统不雅念合计AI只可进行对话和文本生成，但当今咱们看到，AI可以学会编写和实施代码来完成复杂任务。这就像从"手工制作"升级到"工业坐褥"，不仅提高了效力，还裁减了出错率。
{jz:field.toptypename/}关于企业和开发者而言，这项研讨提供了可贵的领导原则。在假想AI愚弄时，不应该盲目追求功能的丰富性，而应该要点热心在实质使用场景中的褂讪性和可靠性。正如研讨中发现的，有时候简单平直的决策比复杂的多功能决策更有用。
研讨还揭示了AI教师和测试步调的局限性。咫尺大多数AI模子的测试王人集结在短期任务上，就像只检会学生的短期挂念而忽略了弥远空洞才调。LOCA-bench提供了一个更迫临试验愚弄的测试框架，这可能会鼓励通盘行业重新念念考AI系统的假想和评估步调。
更深档次地看，这项研讨反应了东谈主工智能发展的一个热切趋势：从追求单项才调的破裂，转向追求空洞才调的均衡和握久。就像东谈主类智能不仅需要灵巧，更需要专注力、挂念力和实施力的和谐配合，改日的AI系统也需要在各个方面完了更好的均衡。
临了，LOCA-bench算作一个开源神志，为通盘研讨社区提供了一个法度化的测试平台。这就像为AI研讨建造了一个"法度操场"，让不同团队的研讨后果可以在换取条目下进行比较。这种洞开分享的作念法，将加快通盘范围的跳跃。
说到底，香港科技大学的这项研讨为咱们揭示了AI助手在永劫辰使命中面对的挑战，更热切的是，它提供了切实可行的惩办决策。诚然咫尺的AI系统还远未完好，但通过合理的假想和优化，咱们照旧好像显耀改善它们在复杂任务中的发达。跟着技能的不断发展和这些研讨后果的愚弄，咱们有事理信托，改日的AI助手将好像在更永劫辰、更复杂的任务中保握褂讪可靠的发达，信得过成为咱们使命和生计中的给力助手。
关于鄙俗用户而言，这项研讨的最大价值在于匡助咱们更好地知道和使用AI器具。当咱们了解了AI的"职场病"后，就好像更有计谋地与它们互助，酌盈注虚，让这些数字助手阐述出最大的价值。
Q&A
Q1：什么是LOCA-bench测试平台？
A：LOCA-bench是香港科技大学开发的AI助手测试平台，专门评估AI在处理永劫辰、复杂任务时的发达。它模拟的确使命环境，让AI处理邮件管理、数据分析等实质任务，可以适度任务复杂度节约单到极复杂，匡助研讨东谈主员了解AI助手在什么情况下会出现"挂念力零落"等问题。
Q2：AI助手的四大"职场病"王人有哪些发达？
A：四大"职场病"包括：念念维简化症（在复杂情况下只看部分信息就下论断）、忘记症（忘记任务运转时的热切涵养和体式要求）、暴躁症（没完成任务就提前闭幕使命）、幻觉症（即使取得了正信服息也可能在处理经过中出现失真）。这些问题在信息量加多时会越来越彰着。
Q3：法度化器具调用法为什么能提高AI助手的发达？
A：法度化器具调用法让AI学会写代码来自动完成任务，而不是一步步手动操作。这就像从手工制作升级到工业化坐褥，不仅提高了效力，还减少了中间经过的信息积蓄，裁减了出错率。研讨流露，这种步调能让GPT-5.2-Medium的准确率从38.7%普及到49.3%。