当我们和AI助手举行长时间对话时，，，，， ，，你有没有发明一个问题：对话举行得越久，，，，， ，，AI就越容易"遗忘"之前说过的话，，，，， ，，甚至最先胡言乱语？？？？？这就像一小我私家在极端疲劳状态下事情，，，，， ，，刚最先还能坚持专注，，，，， ，，但随着时间推移，，，，， ，，注重力就最先疏散，，，，， ，，事情质量也直线下降。。。 。。。
这个问题在AI领域有个专门的名字叫"上下文腐败"（context rot），，，，， ，，而香港科技大学的研究团队最近宣布了一项主要研究，，，，， ，，专门解决这个让人头疼的问题。。。 。。。这项研究揭晓于2026年2月，，，，， ，，论文编号为arXiv:2602.07962v1，，，，， ，，为我们深入明确AI在长时间事情中的体现提供了全新视角。。。 。。。
古板的AI测试就像给学生出一道阅读明确题：给你一篇很长的文章，，，，， ，，然后问你文章里的某个细节。。。 。。。但现实中，，，，， ，，AI助手的事情更像是一个私人秘书，，，，， ，，需要在漫长的事情日中处置惩罚种种重大使命：审查邮件、整理日程、剖析数据、撰写报告。。。 。。。随着事情时间的延伸，，，，， ，，这位"AI秘书"需要记着的信息越来越多，，，，， ，，而它的"影象力"却最先泛起问题。。。 。。。
香港科技大学的研究团队意识到，，，，， ，，现有的测试要领就像只考察学生的短期影象能力，，，，， ，，却忽略了在真实事情情形中需要的恒久专注力和综合处置惩罚能力。。。 。。。于是，，，，， ，，他们建设了一个名为LOCA-bench的全新测试平台，，，，， ，，这个名字代表"长上下文智能体"（LOng-Context Agents）的基准测试。。。 。。。
LOCA-bench就像为AI助手设计了一个模拟的真实事情情形。。。 。。。在这个情形中，，，，， ，，AI需要饰演一个万能助手的角色，，，，， ，，处置惩罚种种现实事情场景：治理在线课程系统、处置惩罚电子邮件、操作电子表格、盘问数据库、治理电商平台等。。。 。。。要害在于，，，，， ，，随着事情的举行，，，，， ，，AI需要处置惩罚的信息量会越来越大，，，，， ，，就像一个秘书的桌子上文件越堆越高。。。 。。。
研究团队巧妙地设计了一个可以控制"事情量"的系统。。。 。。。他们可以让统一个使命在差别的信息量条件下举行。。。 。。。好比说，，，，， ，，让AI整理学生的考试安排，，，，， ，，在简朴模式下可能只有10门课程需要处置惩罚，，，，， ，，而在重大模式下可能有上百门课程，，，，， ，，每门课程尚有大宗的详细信息。。。 。。。这样，，，，， ，，研究职员就能准确视察到AI的体现是怎样随着信息量增添而转变的。。。 。。。
这个测试系统包括了15种差别类型的真实事情场景，，，，， ，，每种场景都可以在7个差别的重漂后级别上运行，，，，， ，，从相对简朴的8000个信息单位到极其重大的256000个信息单位。。。 。。。整个测试包括了525个差别的使命样本和280种差别的工具，，，，， ，，险些涵盖了现代庖公情形中的所有常见事情。。。 。。。
一、现代AI助手面临的"影象力"危�；；；； ；；�
当我们深入视察AI助手在处置惩罚重大使命时的体现，，，，， ，，就会发明一个令人担心的征象：就像人在极端疲劳状态下事情一样，，，，， ，，AI的各项能力都会随着使命重漂后的增添而显著下降。。。 。。。
研究团队测试了七个现在最先进的AI模子，，，，， ，，包括Claude-4.5-Opus、GPT-5.2-Medium、Gemini-3-Flash等着名的商业模子，，，，， ，，以及DeepSeek-V3.2-Thinking、MiniMax-M2.1等优异的开源模子。。。 。。。测试效果就像一条险要的下坡路：当信息量较少时，，，，， ，，大大都AI模子都能坚持70%以上的准确率，，，，， ，，体现相当不错。。。 。。。但随着信息量的增添，，，，， ，，它们的体现就最先急剧下滑。。。 。。。
最引人注目的发明是，，，，， ，，当信息量抵达最高级别时，，，，， ，，纵然是最先进的商业模子，，，，， ，，准确率也会下降到20%左右，，，，， ，，而一些开源模子的体现甚至不到5%。。。 。。。这就好比一个平时势情能力很强的员工，，，，， ，，在面临海量信息时完全失去了偏向感，，，，， ，，事情效率严重下降。。。 。。。
更有意思的是，，，，， ，，差别类型的AI模子展现出了差别的"疲劳模式"。。。 。。。Claude-4.5-Opus在处置惩罚简朴使命时体现最为精彩，，，，， ，，准确率高达96%，，，，， ，，但随着重漂后增添，，，，， ，，下降幅度也最为显着。。。 。。。相比之下，，，，， ，，GPT-5.2-Medium虽然起始体现不如Claude，，，，， ，，但在高重漂后情形下坚持得更好，，，，， ，，展现出了更强的"长期力"。。。 。。。
研究团队还发明了一个令人意外的征象：随着使命重漂后的增添，，，，， ，，AI模子现实探索和处置惩罚的信息量并没有响应增添，，，，， ，，反而最先"偷懒"。。。 。。。就像一个面临满桌文件的员工，，，，， ，，不是越提议劲地处置惩罚每一份文件，，，，， ，，而是最先挑三拣四，，，，， ，，只处置惩罚看起来简朴的部分，，，，， ，，最终导致事情质量下降。。。 。。。
这种征象反应在详细数据上就是：当情形重漂后从96K信息单位增添到更高级别时，，，，， ，，大大都AI模子的事情轨迹长度、工具挪用次数都最先趋于平稳，，，，， ，，不再增添。。。 。。。这意味着AI并没有由于使命更重大而越提议劲，，，，， ，，反而选择了一种"应付了事"的事情方法。。。 。。。
二、AI助手的四大"职场病"
通过深入剖析AI助手在重大情形下的事情体现，，，，， ，，研究团队识别出了四种典范的"职场病"，，，，， ，，这些问题就像职场新人在面临高强度事情时容易犯的过失。。。 。。。
第一种病症是"头脑简化症"。。。 。。。在信息量较少时，，，，， ，，AI助手能够举行重大的多办法推理，，，，， ，，就像一个仔细的侦探，，，，， ，，会从多个线索源网络信息，，，，， ，，举行交织验证，，，，， ，，最后得出准确结论。。。 。。。但当信息量增添后，，，，， ，，AI就最先"偷懒"，，，，， ，，往往只看一部分信息就慌忙下结论。。。 。。。
研究团队给出了一个生动的例子：AI需要整理学生的期末考试安排，，，，， ，，这些信息疏散在课程通告和电子邮件中。。。 。。。在简朴情形下，，，，， ，，AI会仔细审查所有通告和邮件，，，，， ，，还会核对课程编号确保信息准确。。。 。。。但在重大情形下，，，，， ，，AI可能只审查通告就最先制作考试安排表，，，，， ，，完全忽略了邮件中的主要信息，，，，， ，，导致最终效果不完整。。。 。。。
第二种病症是"遗忘症"。。。 。。。这体现在AI越来越容易遗忘使命最先时给出的主要指示，，，，， ，，特殊是一些名堂要求和约束条件。。。 。。。就像一个员工在忙碌中遗忘了老板最初的要求，，，，， ，，凭证自己的想法来完成事情。。。 。。。
一个典范案例是，，，，， ，，AI被要求剖析A/B测试数据并将效果纪录在CSV文件中，，，，， ，，明确要求"遵照文件中的相同名堂，，，，， ，，不要更改列名"。。。 。。。在信息量较少时，，，，， ，，AI会先检查现有文件的名堂，，，，， ，，然后严酷凭证要求来纪录数据。。。 。。。但在信息量增添后，，，，， ，，AI往往会忽略这个主要指示，，，，， ，，凭证自己的明确来设置列名，，，，， ，，导致最终效果不切合要求。。。 。。。
第三种病症是"急躁症"。。。 。。。随着上下文变长，，，，， ，，AI变得越来越没有耐心，，，，， ，，经常在完成使命之前就提前竣事事情。。。 。。。这就像一个员工面临群集如山的文件时，，，，， ，，慌忙浏览了一部分就以为已经完成了所有事情。。。 。。。
研究中有一个很好的例子：AI需要在电商平台中找出所有库存缺乏的商品。。。 。。。在简朴情形下，，，，， ，，AI会耐心地翻看所有商品页面，，，，， ，，确保没有遗漏。。。 。。。但在重大情形下，，，，， ，，AI可能只审查了前100个商品，，，，， ，，发明没有切合条件的，，，，， ，，就慌忙得出"没有库存缺乏商品"的结论，，，，， ，，完全没有继续审查剩余的商品。。。 。。。现实上，，，，， ，，在后续的商品中确实保存需要处置惩罚的情形。。。 。。。
第四种病症是"幻觉症"。。。 。。。这是最令人担心的问题：纵然AI准确获取了信息，，，，， ，，在后续处置惩罚历程中也可能泛起信息失真，，，，， ，，就像传话游戏中的信息变形。。。 。。。
一个典典范子是，，，，， ，，AI需要监控工厂装备的传感器数据，，，，， ，，识别异常读数。。。 。。。研究职员发明，，，，， ，，AI能够准确从数据库中盘问到某台机械在特准时间的振动值是1.61，，，，， ，，但在后续天生报告时，，，，， ，，却将这个数值纪录为2.46。。。 。。。这种信息失真在短上下文情形下很少泛起，，，，， ，，但随着上下文增添变得越来越频仍。。。 。。。
三、拯救AI助手的"影象增强"手艺
面临AI助手的"职场病"，，，，， ，，研究团队并没有坐以待毙，，，，， ，，而是开发了一套完整的"治疗计划"，，，，， ，，就像给太过疲劳的员工提供种种事情辅助工具和要领。。。 。。。
这些解决计划可以分为两大类：基础的"整理术"和高级的"事情法"。。。 。。。�；；；； ；；≌硎醢ㄈ忠�，，，，， ，，就像办公室的文件治理技巧。。。 。。。
第一种是"工具效果整理法"。。。 。。。当AI的事情纪录变得过于冗长时，，，，， ，，系统会自动删除一些早期的、不太主要的工具挪用纪录，，，，， ，，就像按期整理办公桌上的旧文件。。。 。。。这样可以为新的主要信息腾出空间，，，，， ，，让AI坚持专注。。。 。。。
第二种是"思索历程压缩法"。。。 。。。AI在事情时会爆发许多内部思索纪录，，，，， ，，就像我们在底稿纸上的涂涂画画。。。 。。。当这些纪录太多时，，，，， ，，系统会保存最新的思索内容，，，，， ，，删除较早的思索历程，，，，， ，，确保AI能够专注于目今使命。。。 。。。
第三种是"对话历史摘要法"。。。 。。。当事情对话变得很长时，，，，， ，，AI会将早期的对话内容总结成精练的要点，，，，， ，，就像聚会纪要一样，，，，， ，，既保存了主要信息，，，，， ，，又节约了空间。。。 。。。
高级事情规则越发智能和自动。。。 。。。"上下文感知法"就像给AI装置了一个"内存监控器"，，，，， ，，让它实时相识自己的"影象空间"还剩几多。。。 。。。每次使用工具后，，，，， ，，系统都会告诉AI："你的影象空间还剩XX%，，，，， ，，请合理安排后续事情。。。 。。。"这样AI就能更好地妄想自己的事情节奏。。。 。。。
"影象工具法"更像是给AI配备了一个外部条记本。。。 。。。当主要信息太多时，，，，， ，，AI可以将一些要害信息写入专门的影象文件中，，，，， ，，需要时再调取。。。 。。。这就像我们在处置惩罚重大项目时会做种种备忘录一样。。。 。。。
最有趣的是"程序化工具挪用法"，，，，， ，，这相当于让AI学会写"事情剧本"。。。 。。。古板方法下，，，，， ，，AI需要一步步手动操作：翻开文件、读取内容、处置惩罚数据、生涯效果。。。 。。。但通过程序化挪用，，，，， ，，AI可以写一个小程序来自动完成这一系列操作，，，，， ，，既提高了效率，，，，， ，，又镌汰了中心历程中的信息累积。。。 。。。
研究效果显示，，，，， ，，这些"治疗要领"确实有用。。。 。。。以Gemini-3-Flash为例，，，，， ，，在重大使命中，，，，， ，，基础准确率只有21.3%，，，，， ，，但应用了上下文感知手艺后提升到33.3%，，，，， ，，使用影象工具后抵达30.7%，，，，， ，，而程序化工具挪用法同样抵达了30.7%。。。 。。。最令人印象深刻的是GPT-5.2-Medium，，，，， ，，通过程序化工具挪用，，，，， ，，准确率从38.7%提升到了49.3%，，，，， ，，提升幅度凌驾25%。。。 。。。
更主要的是，，，，， ，，这些手艺不但提高了准确率，，，，， ，，还显著镌汰了事情轨迹的长度。。。 。。。程序化工具挪用法尤其精彩，，，，， ，，它让AI的事情变得越发高效和有序，，，，， ，，就像从手事情业升级到了工业化生产。。。 。。。
四、真实天下测试：AI助手与专业工具的较量
为了验证这些刷新要领在现真相形中的效果，，，，， ，，研究团队还举行了一项特殊的比照测试，，，，， ，，让AI助手与现有的专业智能助手工具举行直接比拼，，，，， ，，就像让差别品牌的产品在相同条件下接受消耗者测试。。。 。。。
这次比照的工具是Claude Agent SDK，，，，， ，，这是Anthropic公司开发的专业智能助手框架，，，，， ，，集成了多种先进功效，，，，， ，，包括语义搜索、子助手系统等。。。 。。。按理说，，，，， ，，这样的专业工具应该在重大使命中体现更好，，，，， ，，就像专业级的瑞士军刀应该比通俗工具更适用。。。 。。。
然而测试效果却出人意料。。。 。。。当使用Claude Agent框架时，，，，， ，，Claude-4.5-Opus的体现现实上比直接使用模子还要差，，，，， ，，准确率从34.0%下降到了26.7%。。。 。。。这就像一个熟练的工人在使用了重大的自动化装备后，，，，， ，，反而事情效率降低了。。。 。。。
研究团队深入剖析后发明了问题所在。。。 。。。Claude Agent框架虽然功效强盛，，，，， ，，但它勉励AI使用种种高级功效，，，，， ，，好比同时启动多个子助手来处置惩罚差别使命。。。 。。。听起来很厉害，，，，， ，，但现实上AI对这些重大情形还不敷熟悉，，，，， ，，就像一个新手司机开着配备了种种高科技功效的豪车，，，，， ，，反而由于不熟悉这些功效而开得磕磕绊绊。。。 。。。
详细来说，，，，， ，，在处置惩罚在线学习平台使命时，，，，， ，，AI会启动许多子助手去网络课程和作业信息，，，，， ，，但往往遗忘给这些子助手提供须要的工具权限，，，，， ，，效果这些子助手什么也做不了，，，，， ，，只是白白消耗了"影象空间"。。。 。。。比及AI意识到问题时，，，，， ，，已经铺张了大宗资源，，，，， ，，只好重新最先，，，，， ，，而此时"影象空间"已经所剩无几，，，，， ，，导致后续事情质量下降。。。 。。。
相比之下，，，，， ，，研究团队自己开发的程序化工具挪用要领体现要好得多。。。 。。。虽然他们的实现版本准确率为40.0%，，，，， ，，但Anthropic官方的程序化工具挪用实现抵达了49.3%，，，，， ，，这说明这个偏向是准确的，，，，， ，，只是在详细实现细节上尚有优化空间。。。 。。。
这个比照测试展现了一个主要看法：手艺的先进性并不总是等同于适用性。。。 。。。有时间，，，，， ，，简朴直接的解决计划反而能取得更好的效果，，，，， ，，就像在某些情形下，，，，， ，，一把通俗的螺丝刀可能比多功效工具更好用。。。 。。。
五、从实验室到现实应用的思索
LOCA-bench的研究效果不但仅是一个学术研究，，，，， ，，更像是为未来AI助手的生长指明晰偏向。。。 。。。这项研究展现的问题息争决计划，，，，， ，，对我们一样平常使用AI助手有着直接的指导意义。。。 。。。
首先，，，，， ，，这项研究资助我们重新熟悉了AI助手的能力界线。。。 。。。在一样平常使用中，，，，， ，，我们经常�；；；； ；；嵊龅秸庋那樾危焊兆钕群虯I对话时效果很好，，，，， ，，但聊得时间长了，，，，， ，，AI的回覆质量就最先下降，，，，， ，，有时甚至会泛起前后矛盾的情形。。。 。。。现在我们知道，，，，， ，，这并不是无意征象，，，，， ，，而是AI系统的固有特征。。。 。。。相识这一点后，，，，， ，，我们可以调解使用战略，，，，， ，，好比在主要使命中适时"重启"对话，，，，， ，，或者将重大使命剖析成几个自力的简朴对话。。。 。。。
其次，，，，， ，，研究中提到的种种优化手艺已经最先在现实产品中获得应用。。。 。。。好比，，，，， ，，一些谈天机械人会在对话变长时自动提供对话摘要，，，，， ，，这就是"对话历史摘要法"的现实应用。。。 。。。一些AI写作助手会提醒用户目今内容长度，，，，， ，，建议分段处置惩罚，，，，， ，，这体现了"上下文感知"的头脑。。。 。。。
程序化工具挪用的看法也在改变我们对AI能力的明确。。。 。。。古板看法以为AI只能举行对话和文本天生，，，，， ，，但现在我们看到，，，，， ，，AI可以学会编写和执行代码来完成重大使命。。。 。。。这就像从"手工制作"升级到"工业生产"，，，，， ，，不但提高了效率，，，，， ，，还降低了蜕化率。。。 。。。
关于企业和开发者而言，，，，， ，，这项研究提供了名贵的指导原则。。。 。。。在设计AI应用时，，，，， ，，不应该盲目追求功效的富厚性，，，，， ，，而应该重点关注在现实使用场景中的稳固性和可靠性。。。 。。。正如研究中发明的，，，，， ，，有时间简朴直接的计划比重大的多功效计划更有用。。。 。。。
研究还展现了AI训练和测试要领的局限性。。。 。。。现在大大都AI模子的测试都集中在短期使命上，，，，， ，，就像只考察学生的短期影象而忽略了恒久综合能力。。。 。。。LOCA-bench提供了一个更贴近现实应用的测试框架，，，，， ，，这可能会推动整个行业重新思索AI系统的设计和评估要领。。。 。。。
更深条理地看，，，，， ，，这项研究反应了人工智能生长的一个主要趋势：从追求单项能力的突破，，，，， ，，转向追求综合能力的平衡和长期。。。 。。。就像人类智能不但需要智慧，，，，， ，，更需要专注力、影象力和执行力的协调配合，，，，， ，，未来的AI系统也需要在各个方面实现更好的平衡。。。 。。。
最后，，，，， ，，LOCA-bench作为一个开源项目，，，，， ，，为整个研究社区提供了一个标准化的测试平台。。。 。。。这就像为AI研究建设了一个"标准操场"，，，，， ，，让差别团队的研究效果可以在相同条件下举行较量。。。 。。。这种开放共享的做法，，，，， ，，将加速整个领域的前进。。。 。。。
说究竟，，，，， ，，香港科技大学的这项研究为我们展现了AI助手在长时间事情中面临的挑战，，，，， ，，更主要的是，，，，， ，，它提供了切实可行的解决计划。。。 。。。虽然现在的AI系统还远未完善，，，，， ，，但通过合理的设计和优化，，，，， ，，我们已经能够显著改善它们在重大使命中的体现。。。 。。。随着手艺的一直生长和这些研究效果的应用，，，，， ，，我们有理由信托，，，，， ，，未来的AI助手将能够在更长时间、更重大的使命中坚持稳固可靠的体现，，，，， ，，真正成为我们事情和生涯中的得力助手。。。 。。。
关于通俗用户而言，，，，， ，，这项研究的最大价值在于资助我们更好地明确和使用AI工具。。。 。。。当我们相识了AI的"职场病"后，，，，， ，，就能够更有战略地与它们协作，，，，， ，，扬长避短，，，，， ，，让这些数字助手施展出最大的价值。。。 。。。
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在处置惩罚长时间、重大使命时的体现。。。 。。。它模拟真实事情情形，，，，， ，，让AI处置惩罚邮件治理、数据剖析等现实使命，，，，， ，，可以控制使命重漂后从简朴到极重大，，，，， ，，资助研究职员相识AI助手在什么情形下会泛起"影象力衰退"等问题。。。 。。。
Q2：AI助手的四大"职场病"都有哪些体现？？？？？
A：四大"职场病"包括：头脑简化症（在重大情形下只看部分信息就下结论）、遗忘症（遗忘使命最先时的主要指示和名堂要求）、急躁症（没完成使命就提前竣事事情）、幻觉症（纵然获取了准确信息也可能在处置惩罚历程中泛起失真）。。。 。。。这些问题在信息量增添时会越来越显着。。。 。。。
Q3：程序化工具挪用法为什么能提高AI助手的体现？？？？？
A：程序化工具挪用法让AI学广东粤科立异科技有限公司会写代码来自动完成使命，，，，， ，，而不是一步步手动操作。。。 。。。这就像从手工制作升级到工业化生产，，，，， ，，不但提高了效率，，，，， ，，还镌汰了中心历程的信息累积，，，，， ，，降低了蜕化率。。。 。。。研究显示，，，，， ，，这种要领能让GPT-5.2-Medium的准确率从38.7%提升到49.3%。。。 。。。