伯克利论文揭示LLM偏好更新失败
先了解这件事
AI 综述
2026年10月2日，X平台用户Rohan Paul (@rohanpaul_ai) 发布伯克利论文《When Context Changes: Understanding Update Failures in LLMs》的发现。该论文指出，当偏好或截止时间等发生变化时，旧版本仍留在上下文中，模型虽掌握新值，注意力却持续漂回旧提及，导致LLM常沿用旧偏好。论文建议智能体需在提示词中写明当前状态。目前进展限于该论文的发现与建议，尚无后续报道。
报道时间线
10月2日
- 伯克利论文：LLM 常沿用旧偏好，智能体需在提示词中写明当前状态
伯克利论文《When Context Changes: Understanding Update Failures in LLMs》发现，当偏好或截止时间等发生变化时，旧版本仍留在上下文中，模型虽掌握新值，注意力却持续漂回旧提及。