伯克利论文揭示LLM注意力漂移致更新失败

2026年10月2日，X用户Rohan Paul发布伯克利新论文内容：LLM常能察觉用户偏好或截止时间已变，却仍沿用旧值，原因是注意力持续漂回上下文中的旧提及。在5个开源模型中，无需重训练、仅将注意力引导至最新值即可修复大部分此类错误。GPT-5.6 Sol在长智能体日志上仅答对40题中的9题，给出当前状态后则40题全对。论文建议智能体追踪可变信息时，直接把当前状态写进提示词，而非让模型翻查历史。

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。