伯克利论文揭示LLM上下文更新失败机制

2026年10月2日，AGI Hunt 报道了伯克利新论文《When Context Changes: Understanding Update Failures in LLMs》。该研究聚焦大语言模型的上下文更新失败问题：模型在上下文中其实已经获得并持有新信息，但注意力仍会漂回更早的提及，因而继续按旧值行动。报道将这一现象概括为模型“记得新指令却仍用旧选择”，即更新失败并非新信息未被接收，而更可能与注意力分配有关。目前公开报道仅披露了这一核心结论，论文的具体实验设置、涉及模型与缓解办法尚未在报道中展开，后续进展有待跟进。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。