塞给 AI 十万字，它会漏读中间吗？

开场：一个流传很广的说法

「AI 读长文会漏掉中间那段。」这句话你大概听过，它有正经出处：2023 年斯坦福等机构的研究《Lost in the Middle》发现，把答案藏在一堆文档的中间，模型的成绩会明显变差——开头和结尾记得牢，中间塌下去，画出来是一条 U 型曲线。

两年多过去了，模型换了几代，这个说法还成立吗？我们决定自己测，而且测两轮。

一、文献先说清：塌陷是在什么条件下测出来的

• Liu et al.（2023）：多文档问答，答案文档的位置从头挪到尾。在部分配置下，答案位于中间时，成绩比位于首尾低 20–30 多个百分点。当时的受试者是 GPT-3.5、Claude 等 2023 年的模型，做法是把全部文档一次性放进提示词，直接提问。
• RULER（2024）：号称支持 32K 以上上下文的模型里，只有一半左右能真正把 32K 用好——号称的长度，不等于有效的长度。
• Chroma《Context Rot》（2025）：18 个前沿模型（Claude 4、GPT-4.1、Gemini 2.5 等）无一例外：输入越长，成绩越差，哪怕任务本身很简单。同一个问题，只给相关片段（约 300 token）答得明显好于把答案埋进 11.3 万 token 的完整记录里；干扰项和真答案长得越像，退化越快。

三项研究条件不同，但指向同一件事：在「一次性长提示 + 直接作答」的用法里，长和位置都在收税。

二、我们的实测：两轮，越测越狠

实验设计（完整档案见文末）：编辑部生成虚构公司「蓝桥科技」的内部通讯汇编，把 40 条「项目代号 + 年度预算」事实均匀埋进全文（每十分之一段落 4 条），请独立会话通读全文、把 40 条全部提取出来，程序按位置判分。

• 第一轮：全文 22,570 字。结果：3 个会话全部 40/40，十个位置段命中率全是 100%。
• 第二轮（加压）：全文拉到 108,486 字（接近 Chroma 实验的量级），另埋 20 条干扰项——同一代号的参与人数、别的代号的工期，专等它张冠李戴。结果：3 个会话依然全部 40/40，干扰误报 0 条，十个位置段仍是全 100%。

U 型曲线没有出现。不是没测出来，是在这个实验里它确实没发生。

三、为什么我们没复现？三个原因（编辑分析）

先把丑话说前面：我们的实验条件和文献不一样，这正是关键。[编辑分析] 差异至少有三处：

1. 模型换代了。文献的 U 型曲线主要来自 2023 年的模型；我们测的是 2026 年的模型。两年里长上下文是各家主战场，进步真实存在。
2. 任务不一样。我们要求的是「按明确句式提取事实」，接近拿着清单逐项打钩；文献测的多是语义问答和推理——要在读懂的基础上找答案、用答案，难度不在一个量级。Chroma 的数据也显示：任务越需要理解、干扰越像真答案，退化越明显。
3. 读法不一样。文献是「一次性把全文放进提示词」；我们的答题会话是通过文件分页通读的智能体——它可以一段一段系统地扫过去，工作方式更像「带着任务逐页找」，而不是「听完一遍凭记忆答」。读法变了，结论就变了。

这三条在本实验里无法拆开归因，我们也不打算硬拆。但合起来足够支撑一个有用的判断——

四、结论：塌陷不是谎言，是用法说明书

「AI 会漏读中间」不是过时的谣言，也不是普遍的真理，它是一条带条件的规律：

• 你把十万字一次性粘进对话框，问一个含糊的问题，关键信息还和一堆相似信息混在一起——文献的条件齐了，该小心的还是要小心。
• 你让 AI 工具（能读文件、能分段处理的那种）通读文档，并给它明确的提取目标——我们的实测说，在 10 万字量级上，它可以做到一条不漏。
• 无论哪种用法，最重要的那句话别埋在长文正中间——这是零成本的保险，文献和直觉都支持。

厂商宣传的「支持 100 万上下文」，说的是装得下；装得下、找得到、用得对，是三件事。这一期测的是中间那件：在合适的用法下，它比你想象的靠谱；在不合适的用法下，2023 年的警告到今天依然有效。

来源

1. 本栏目实测（2026-11-04 执行，两轮共 6 个独立会话）：实验文档、答案键、原始提取与判分记录见同目录 experiment/。
2. Liu et al.《Lost in the Middle: How Language Models Use Long Contexts》，arXiv:2307.03172（2023；TACL 2024）— https://arxiv.org/abs/2307.03172
3. Hsieh et al.《RULER: What's the Real Context Size of Your Long-Context Language Models?》，2024 — https://arxiv.org/abs/2404.06654
4. Hong, Troynikov, Huber（Chroma）《Context Rot: How Increasing Input Tokens Impacts LLM Performance》，2025-07（技术报告，非同行评议）— https://research.trychroma.com/context-rot

*标注：实测结论仅适用于「智能体分页通读 + 明确提取任务 + 本模型」条件；文献条件（单次长提示、语义问答）不在本实测覆盖范围内，两边结论不互相否定。*