AI聊天机器人越聊越“笨”？可能真不是错觉_对话_模型_DeepSeek

不知道大家有没有这种感觉：和AI机器人短时间聊天的话还行，时间一长，就感觉对话开始变的前言不搭后语、逻辑不通。

其实这种感觉并不是错觉。

最近，微软发表的一项研究证实，即使是目前最先进的大语言模型，在多轮对话中的可靠性也会急剧下降。

研究人员对包括 GPT-4.1、Gemini 2.5 Pro、Claude 3.7 Sonnet、o3、DeepSeek R1 和 Llama 4 在内的 15 款顶尖模型进行了超过 20 万次模拟对话分析，揭示出一个被称为“迷失会话”的系统性缺陷。

数据显示，这些模型在单次提示任务中的成功率可达 90%，但当同样的任务被拆解成多轮自然对话后，成功率骤降至约 65%。

研究指出，模型的核心能力仅降低约 15%，但“不可靠性”却飙升 112%。

也就是说，AI 大模型仍然具备解决问题的能力，但在多轮对话中变得高度不稳定，难以持续跟踪上下文。

展开全文

研究人员进一步分析了造成性能下降的行为机制。

首先是“过早生成”。模型在用户尚未完整说明需求前就尝试给出最终答案。一旦在早期回合中形成错误***设，模型后续便会在该错误的基础上继续推理，而不是随着新信息的加入进行修正，从而导致错误逐步放大。

其次是“答案膨胀”。在多轮对话中，模型的回复长度比单轮对话增加了 20% 至 300%。更长的回答往往包含更多***设与“幻觉”，这些内容随后被纳入对话的持续上下文，从而进一步影响后续推理的准确性。

令人意外的是，即使是配备了额外“思考词元”（thinking tokens）的新一代推理模型，如 OpenAI o3 和 DeepSeek R1，也未能显著改善在多轮对话中的表现。

研究人员指出，现有的基准测试主要基于理想的单轮场景，忽略了模型在真实世界中的行为。

因此，对于那些依赖 AI 构建复杂对话流程或智能体的开发者而言，这一结论意味着未来将要接受严峻挑战。

再来看看其他消息。

微软日前测试 Windows 11新版“画图”（Paint）应用，重点引入“自由旋转”功能。

根据微软官方描述，用户现在可以全方位角度调整形状、文本框以及任何活动的图像选区。用户选中对象后，其上方会出现一个“旋转手柄”，用户只需拖动该手柄即可向任意方向自由旋转对象，从而实现更自然的构图和布局。

除了直观的手动拖拽，微软还为需要高精度编辑的用户提供了解决方案。在“旋转”菜单下新增了“自定义旋转”选项，用户可以在此输入具体的角度数值，实现精确到 1 度的微调。返回搜狐，查看更多

推荐资讯

推荐产品

贴脸嘲讽ChatGPT后，这家公司又发了个最强模型。_Opus_Claude_上下文
贴脸嘲讽ChatGPT后，这家公司又发了个最强模型。_Opus_Claude_上下文
十公里之隔，黄仁勋的中国棋局生变_天数_性能_架构
成立于2015年的天数智芯，是国内最早深耕通用GPU领域的企业之一，其招股书显示，天数智芯率先实现国内通用GPU从0到1的突破，并率先成功量产；率先打造训练推理算力的一体化解决方案，把准AI时代的发展脉络。从…
陶琳回应马斯克团队来华考察：与特斯拉无关，或涉SpaceX项目_合作_产业链_摸底
特斯拉副总裁陶琳在北京交流会上回应近期马斯克团队来华考察供应链一事，明确表示此次考察与特斯拉无关，大概率涉及SpaceX或其他项目，同时透露特斯拉始终***取全球***购策略，将择优选择满足成本、稳定性等综合需求的供…
阿里神秘芯片公开！整体性能与H20相当，“中国版谷歌”来了？_模型_推理_Qwen
阿里神秘芯片公开！整体性能与H20相当，“中国版谷歌”来了？_模型_推理_Qwen