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"危唬�；；；�
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"。。。。。。。唬�；；；≌硎醢ㄈ忠欤�，，，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，，，，，我们经常唬�；；；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学湖北光谷新能源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%。。。。。。。