标着 100 万上下文，为什么还是会漏掉中间那条约束？

本节要解决的事：上下文窗口像一个很大的桌面，东西放得下，并不代表每次做决定都能准确找到需要的那张纸。

一份 280 元报价，为什么会被另一个 360 元方案挤掉

用户要求采购，预算上限 300 元。方案 A 总价 280，方案 B 总价 360、到货更快。只考虑预算，A 可行而 B 不可行。现在把这条预算夹在许多物流记录、历史报价和聊天中。模型输出“推荐 B，速度更好”，并不一定是算错了 360 比 300 大；它也可能没有正确取回或使用那条约束。

朴素做法是把全部材料塞进去，觉得既然没有超过窗口上限，就不需要整理。窗口首先是输入容量约束；任务成功还要求定位事实、区分旧新版本、把多个事实结合、遵守目标。这几件事比“收到了这些 token”更强。一个百万 token 窗口的声明不能直接推出百万 token 上任意任务都可靠。

第一种是没找到：问“预算是多少”，它回答不知道或引用无关金额。第二种是找到但没用：能复述 300，却仍推荐 360。第三种是版本混淆：历史曾说 500，后来改成 300，它找到了一个真实出现过的数字，却用了已过期的约束。三种情况表面上都像长上下文失败，修复方法却不同。

没找到时可尝试检索或更清晰的任务状态；没用时需要在决策处显式检查预算；版本混淆时要记录来源、时间与有效版本。把预算不断重复十遍未必能解决后两种问题，还可能增加噪声。对于金额这种可以程序检查的硬条件，最终方案金额是否不超过预算，应由明确规则复核。

制作三份内容相同的记录，分别把同一条“当前预算上限 300 元”放在开头、中间和结尾。先固定总长度、其他报价、问题和模型设置，只改变位置。每次要求同时给出预算证据与方案判定，记录取回正确率、应用正确率和版本判断。然后再开第二轮实验，只增加干扰记录而保留位置。

不要让开头版本刚好更短、中间版本刚好多了旧预算，再把差异归因于位置。重复运行或换多组同结构数据，才能看到稳定趋势。下面的互动只展示确定的验收规则，不假装我们已经跑出了三个位置的真实模型准确率。

观察过程 · 改变条件

先做预测，再逐步展开。这里是固定规则的教学回放，不是真实模型测评。

教学构造场景 · 按下方规则逐步回放；不调用真实模型，不代表实际成功率。

这一轮的输入

有效预算 300；A＝280，B＝360；用户优先满足预算。

取回

从当前有效记录读取预算 300。

1 / 3

先预测，再核对结果与原因

A 可行，B 不可行

硬约束在偏好排序之前检查。

如果任务是定位一条合同条款，先按关键词和语义找候选段落，再让模型阅读附近上下文，能减少无关材料。但检索可能漏掉否定句或其他章节的例外，因此应保留可回原文的指针，必要时扩大阅读范围。检索不是自动保证事实正确的过滤器。

如果任务必须跨许多章节综合，例如比较全部例外条款，只取一段会人为丢掉关系。此时可以分段提取带来源的事实，再汇总，并对缺失范围做检查。上下文更长仍有价值，只是要用任务对应的验证方法衡量，而不是仅比较窗口数字。

位置也不是唯一变量。文本相似度、干扰项、指代、多个版本和问题复杂度都会影响结果。课件中的“找针”实验测的是一种事实检索能力，不能直接等同于长篇规划、代码修复或整本书理解。读性能图时先问测试了什么，再问数字高低。

问题一：模型准确回答“预算 300”，却选择 B，说明哪里需要检查？ 至少说明简单取回已经成功，问题出在应用约束或决策链。应让最终方案通过预算规则，不能只增加检索次数。

问题二：开头成功一次、中间失败一次，能否证明它永远忽略中间？ 不能。一次样本可能受生成随机性和其他差异影响。要控制变量、多任务多次重复，并保留具体失败证据。

问题三：先检索再回答一定优于直接读全文吗？ 不一定。若检索遗漏决定性的例外，答案会更自信地出错。需要根据任务是局部定位还是全局综合设计材料选择与覆盖检查。

模型不能无限扩大计算。下一节把注意力画成只有十二个位置的连接：少保留一些连接，具体节省了什么，又可能断开哪条远距离关系？