NVIDIA 论文：任务越长模型越马虎，128K 长任务准确率平均降 62.8%

NVIDIA 新论文测试 7 个开源模型在加数字、排序列表等简单重复任务上的长程可靠性，发现即使任务都在上下文窗口内，任务变长后模型也会变马虎，128K token 任务的平均准确率比 4K token 任务低 62.8%。