<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
	<channel>
		<title>AI使用技巧 on 灵语AI</title>
		<link>https://lingyu7.com/tags/ai%E4%BD%BF%E7%94%A8%E6%8A%80%E5%B7%A7/</link>
		<description>Recent content in AI使用技巧 on 灵语AI</description>
		<generator>Hugo</generator>
		<language>zh-CN</language>
		
		
		
		
			<lastBuildDate>Thu, 12 Nov 2026 03:14:00 +0800</lastBuildDate>
		
			<atom:link href="https://lingyu7.com/tags/ai%E4%BD%BF%E7%94%A8%E6%8A%80%E5%B7%A7/index.xml" rel="self" type="application/rss+xml" />
			<item>
				<title>你跟AI聊得越久，它反而越糊涂——20万次对话实验揭示：&#39;聊天&#39;是AI最容易坏掉的能力</title>
				<link>https://lingyu7.com/posts/multi-turn-conversation-lost-in-chat-39-percent/</link>
				<pubDate>Thu, 12 Nov 2026 03:14:00 +0800</pubDate>
				<guid>https://lingyu7.com/posts/multi-turn-conversation-lost-in-chat-39-percent/</guid>
				<description>&lt;h2 id=&#34;引言&#34;&gt;引言&lt;/h2&gt;&#xA;&lt;p&gt;上个月帮朋友改一份简历。第一轮，AI给的建议挺准。第二轮我补了句&amp;quot;我在制造业待过&amp;quot;，它开始往制造业硬靠。第五轮我把具体岗位贴进去，它写出来的东西已经跟那份简历没什么关系了——通篇是它自己第一轮猜出来的那个人。&lt;/p&gt;&#xA;&lt;p&gt;我以为是我没说清楚。后来看到一个数字才知道，这不是个别现象，这是&lt;strong&gt;规格&lt;/strong&gt;。&lt;/p&gt;&#xA;&lt;p&gt;2026年ICLR的杰出论文《LLMs Get Lost In Multi-Turn Conversation》，微软研究院和Salesforce的团队跑了20多万次模拟对话，得出一个让人不太舒服的结论：&lt;strong&gt;同一件事，一次性完整交代，模型平均能到90分；把同样的话拆成几轮慢慢说，平均掉39%。&lt;/strong&gt;&lt;/p&gt;&#xA;&lt;p&gt;信息一个字没少。只是换了个送进去的方式。&lt;/p&gt;&#xA;&lt;h2 id=&#34;一掉的那39不是变笨了&#34;&gt;一、掉的那39%，不是&amp;quot;变笨了&amp;quot;&lt;/h2&gt;&#xA;&lt;p&gt;这个实验的设计很干净：拿现成的高质量单轮任务，把完整指令&amp;quot;切碎&amp;quot;，每轮只透露一小块，模拟真实用户&amp;quot;想到哪说到哪&amp;quot;的说话方式。&lt;/p&gt;&#xA;&lt;p&gt;结果分层很清楚：&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;一次性说完：平均90分&lt;/li&gt;&#xA;&lt;li&gt;拆成多轮：平均51分&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;把切碎的指令直接拼成一段再给：平均85.6分，是前者的95.1%&lt;/strong&gt;&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;最后一行是关键。同样的碎片、同样的措辞、同样的信息量，只是&lt;strong&gt;拼起来一次给&lt;/strong&gt;，性能几乎全回来了。&lt;/p&gt;&#xA;&lt;p&gt;所以掉的那39%，不是模型处理不了这些信息，而是它处理不了&amp;quot;信息是分几次来的&amp;quot;这件事本身。瓶颈不在内容，在结构。&lt;/p&gt;&#xA;&lt;p&gt;论文把这个损失拆成两块：&lt;strong&gt;能力只掉了16%，但&amp;quot;不可靠性&amp;quot;涨了112%——翻倍还多。&lt;/strong&gt;&lt;/p&gt;&#xA;&lt;p&gt;这句话的意思是：它还是会做，但它开始&lt;strong&gt;不稳定&lt;/strong&gt;了。同一个需求跑十遍，最好的一遍和最差的一遍之间，平均差50个百分点。你上次用同一个提示词效果很好，这次一塌糊涂——不是你的错觉，是它的方差变大了。&lt;/p&gt;&#xA;&lt;h2 id=&#34;二它不是忘了是改不动&#34;&gt;二、它不是忘了，是改不动&lt;/h2&gt;&#xA;&lt;p&gt;直觉上我们会以为这是&amp;quot;记不住&amp;quot;。毕竟上下文长了，中间的内容容易被忽略——这是2023年就发现的&amp;quot;中间迷失&amp;quot;。&lt;/p&gt;&#xA;&lt;p&gt;但多轮对话的问题是另一回事。2026年3月一篇论文给了它一个更准确的名字：&lt;strong&gt;上下文惯性&lt;/strong&gt;。&lt;/p&gt;&#xA;&lt;p&gt;研究者对多轮对话的失败做了归因，发现&lt;strong&gt;70%到90%的错误可以直接追溯到&amp;quot;前几轮的回答&amp;quot;&lt;/strong&gt;，而不是最后一轮的理解失误。&lt;/p&gt;&#xA;&lt;p&gt;更要命的是这种惯性的性质：它是&lt;strong&gt;不加区分&lt;/strong&gt;的。研究者比较了&amp;quot;历史记录质量高&amp;quot;和&amp;quot;历史记录质量差&amp;quot;两组对话，模型对上一轮回答的依赖强度，在统计上&lt;strong&gt;没有区别&lt;/strong&gt;。&lt;/p&gt;&#xA;&lt;p&gt;也就是说，它不是在&amp;quot;参考&amp;quot;前面的结论——它是在&amp;quot;继承&amp;quot;前面的结论，而且不看那个结论对不对。&lt;/p&gt;&#xA;&lt;p&gt;人不是这样。人发现理解错了，会说&amp;quot;等等，我搞错了，重来&amp;quot;——这个动作叫&lt;strong&gt;撤回&lt;/strong&gt;。AI的对话里没有撤回这个动作，只有&lt;strong&gt;追加&lt;/strong&gt;。你每补充一句，它就多一条要继承的东西；而它继承的权重，并不比你的新指令低，有时甚至更高。&lt;/p&gt;&#xA;&lt;p&gt;所以你才会看到那个熟悉的现象：&lt;strong&gt;你越解释，它越固执。&lt;/strong&gt;&lt;/p&gt;&#xA;&lt;h2 id=&#34;三它对你的信任低于对自己的信任&#34;&gt;三、它对你的信任，低于对自己的信任&lt;/h2&gt;&#xA;&lt;p&gt;还有一层更微妙的东西。&lt;/p&gt;&#xA;&lt;p&gt;2026年2月有一篇跟进论文，标题直接把矛头调转了方向：《意图错配导致大模型在多轮对话中迷失》。作者的结论是：这不是能力问题，是&lt;strong&gt;交互问题&lt;/strong&gt;。&lt;/p&gt;&#xA;&lt;p&gt;他们的解释是：模型被训练成&amp;quot;有用&amp;quot;，而RLHF里最被惩罚的行为之一，就是&amp;quot;回避&amp;quot;和&amp;quot;反复追问&amp;quot;。于是面对不完整的信息，它的最优策略是——&lt;strong&gt;先猜一个，赶紧给个答案&lt;/strong&gt;。&lt;/p&gt;&#xA;&lt;p&gt;猜完，这个猜测就变成了事实。你后面说的每一句话，都会被它拿去&lt;strong&gt;解释&lt;/strong&gt;这个猜测，而不是&lt;strong&gt;推翻&lt;/strong&gt;它。&lt;/p&gt;&#xA;&lt;p&gt;这解释了一个很反直觉的发现：&lt;strong&gt;模型越强，不会越好。&lt;/strong&gt; 论文里那条曲线几乎是水平的——从8B的小模型到当时的旗舰，相对退化幅度都稳定在同一个量级。因为所有模型都是在同一批语料上、对齐到同一个&amp;quot;平均用户&amp;quot;的。规模放大的是这个先验，不是对&lt;strong&gt;你&lt;/strong&gt;的理解。&lt;/p&gt;&#xA;&lt;p&gt;更扎心的是推理模型。多花算力思考本该有帮助——但测试里o3、DeepSeek-R1掉得跟普通模型差不多。原因很朴素：&lt;strong&gt;它们的回答平均长了33%，而越长的回答里塞的假设越多。&lt;/strong&gt; 它思考得越认真，就越是在认真地加固自己的误解。&lt;/p&gt;&#xA;&lt;h2 id=&#34;四产品承诺和能力短板正好顶上了&#34;&gt;四、产品承诺和能力短板，正好顶上了&lt;/h2&gt;&#xA;&lt;p&gt;现在把视角拉高一点。&lt;/p&gt;&#xA;&lt;p&gt;过去两年，几乎所有AI产品的界面设计都基于同一个假设：&lt;strong&gt;你可以慢慢聊清楚。&lt;/strong&gt; 说不明白没关系，边聊边想，它会跟上你的思路。&lt;/p&gt;&#xA;&lt;p&gt;这个假设在产品层面很合理——真实用户确实不会写提示词，真实需求确实是在对话里长出来的。&lt;/p&gt;&#xA;&lt;p&gt;但它正好撞在模型的短板上。&lt;strong&gt;产品的卖点，是&amp;quot;多轮&amp;quot;；模型的软肋，也是&amp;quot;多轮&amp;quot;。&lt;/strong&gt;&lt;/p&gt;&#xA;&lt;p&gt;这不是某个版本的bug，而是结构性的错配：对话的价值在于&amp;quot;共同基础&amp;quot;——我说一句，你确认一下懂了没，我们一点点把理解对齐。人类的对话里，一半的话都在做这件事：&amp;ldquo;你是说……对吗？&amp;ldquo;&amp;ldquo;我理解一下&amp;quot;&amp;ldquo;稍等，你刚说的那个是指……&amp;rdquo;&lt;/p&gt;&#xA;&lt;p&gt;AI很少做这个。它&lt;strong&gt;直接推进&lt;/strong&gt;。它默认自己懂了，然后往下走。所以&amp;quot;共同基础&amp;quot;从来没被建立起来过，它建立的是一份&lt;strong&gt;越来越长的、带偏见的独白记录&lt;/strong&gt;。&lt;/p&gt;&#xA;&lt;h2 id=&#34;五五个能马上用的对策&#34;&gt;五、五个能马上用的对策&lt;/h2&gt;&#xA;&lt;p&gt;好消息是，论文里也测了干预手段，而且都不难：&lt;/p&gt;&#xA;&lt;p&gt;&lt;strong&gt;1. 第一轮当需求文档写，不要当打招呼。&lt;/strong&gt; 这是收益最大的一条。别&amp;quot;你好，我想做个东西&amp;rdquo;，直接把你已经知道的所有约束一次说完——背景、目标、不能接受什么。宁可第一轮啰嗦三百字，也不要指望后面慢慢补。&lt;/p&gt;&#xA;&lt;p&gt;&lt;strong&gt;2. 五轮原则：超过五轮就重开。&lt;/strong&gt; 不是把历史复制过去，是&lt;strong&gt;只把结论搬过去&lt;/strong&gt;。开头一句&amp;quot;前面我们确认了A、B、C，现在请基于这个继续&amp;rdquo;，配上一段整理好的需求——这就是实验里那95.1%的复现方式。&lt;/p&gt;&#xA;&lt;p&gt;&lt;strong&gt;3. 让它先复述再动手。&lt;/strong&gt; &amp;ldquo;先别写，用三句话复述一下你要做什么，我确认后你再开始。&amp;ldquo;实验里这个动作带来了8.3个点的提升，成本几乎为零，而且能立刻暴露它猜错了哪里。&lt;/p&gt;&#xA;&lt;p&gt;&lt;strong&gt;4. 发现走偏了，要&amp;quot;重置&amp;rdquo;，不要&amp;quot;补充&amp;rdquo;。&lt;/strong&gt; 别说&amp;quot;不对，我的意思其实是……&amp;quot;，要说&amp;quot;停。忘掉前面。重新开始，需求是……&amp;quot;。前者会被它当成对旧方向的确认，后者才是真正的撤回。&lt;/p&gt;&#xA;&lt;p&gt;&lt;strong&gt;5. 每三五轮，让它总结一次。&lt;/strong&gt; &amp;ldquo;把我们现在的共识列成五条。&amp;ldquo;这是所有干预里效果最好的（提升14.9个点），因为它逼模型重新读一遍整个对话，而不是沿着上一轮的惯性滑下去。&lt;/p&gt;&#xA;&lt;h2 id=&#34;结语&#34;&gt;结语&lt;/h2&gt;&#xA;&lt;p&gt;我一直觉得，&amp;ldquo;会聊天&amp;quot;是AI最不像机器的部分。&lt;/p&gt;&#xA;&lt;p&gt;但数据说的是反的：&lt;strong&gt;聊天，恰恰是它最容易坏掉的能力。&lt;/strong&gt;&lt;/p&gt;&#xA;&lt;p&gt;不是因为它不会说话——它太会说话了。恰恰因为太会说话，它每一轮都能流畅地编出一段听起来合理的回答，而这段回答又会成为下一轮的&amp;quot;事实&amp;rdquo;。流畅，成了它迷失的载体。&lt;/p&gt;&#xA;&lt;p&gt;人靠对话澄清，是因为人会怀疑自己。AI在对话里不怀疑自己——它只怀疑你。&lt;/p&gt;&#xA;&lt;p&gt;理解这一点，用法就变了：&lt;strong&gt;对话不是用来&amp;quot;想清楚&amp;quot;的，是用来&amp;quot;确认已经想清楚的东西&amp;rdquo;。&lt;/strong&gt; 想清楚那一步，还得你自己来。&lt;/p&gt;&#xA;&lt;h2 id=&#34;参考来源&#34;&gt;参考来源&lt;/h2&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;Laban, P., Hayashi, H., Zhou, Y., Neville, J. &lt;em&gt;LLMs Get Lost In Multi-Turn Conversation&lt;/em&gt;. ICLR 2026 杰出论文. Microsoft Research &amp;amp; Salesforce Research. arXiv:2505.06120 — &lt;a href=&#34;https://arxiv.org/abs/2505.06120&#34;&gt;https://arxiv.org/abs/2505.06120&lt;/a&gt;&lt;/li&gt;&#xA;&lt;li&gt;Liu, G. et al. &lt;em&gt;Intent Mismatch Causes LLMs to Get Lost in Multi-Turn Conversation&lt;/em&gt;. arXiv:2602.07338 (2026) — &lt;a href=&#34;https://arxiv.org/abs/2602.07338&#34;&gt;https://arxiv.org/abs/2602.07338&lt;/a&gt;&lt;/li&gt;&#xA;&lt;li&gt;&lt;em&gt;Breaking Contextual Inertia: Reinforcement Learning with Single-Turn Anchors for Stable Multi-Turn Interaction&lt;/em&gt;. arXiv:2603.04783 (2026) — &lt;a href=&#34;https://arxiv.org/abs/2603.04783&#34;&gt;https://arxiv.org/abs/2603.04783&lt;/a&gt;&lt;/li&gt;&#xA;&lt;li&gt;Wang, Z. et al. &lt;em&gt;ICPO: Illocution-Calibrated Policy Optimization for Multi-Turn Conversation&lt;/em&gt;. ICASSP 2026. arXiv:2601.15330 — &lt;a href=&#34;https://arxiv.org/abs/2601.15330&#34;&gt;https://arxiv.org/abs/2601.15330&lt;/a&gt;&lt;/li&gt;&#xA;&lt;li&gt;Setti, R. V. et al. &lt;em&gt;SeDT: Sentence-Transformer Decision-Transformer Conditioning for Multi-Turn Conversation Reliability&lt;/em&gt;. arXiv:2605.26788 (2026) — &lt;a href=&#34;https://arxiv.org/abs/2605.26788&#34;&gt;https://arxiv.org/abs/2605.26788&lt;/a&gt;&lt;/li&gt;&#xA;&lt;li&gt;Liu, N. F. et al. &lt;em&gt;Lost in the Middle: How Language Models Use Long Contexts&lt;/em&gt;. TACL 2024. arXiv:2307.03172 — &lt;a href=&#34;https://arxiv.org/abs/2307.03172&#34;&gt;https://arxiv.org/abs/2307.03172&lt;/a&gt;&lt;/li&gt;&#xA;&lt;/ol&gt;</description>
			</item>
	</channel>
</rss>
