(資料圖)
IT之家 3 月 1 日消息，據 THE DECODER 報道，新一代大語言模型（從 GPT-5 及后續版本開始）在任務需要跨多輪對話完成時，表現依然不佳。研究員菲利普 · 拉班（Philippe Laban）及其團隊在代碼、數據庫、操作指令、數據轉文本、數學計算、文本摘要這六大任務上對現有模型進行了測試。當信息被拆分到多條消息中（分片式），而非集中在單次提示詞里（拼接式）時，模型性能會顯著下降。
IT之家注意到，更新的模型表現略好一些，性能降幅從 39% 縮小到 33%，但問題遠未解決。Python 任務的提升最為明顯，部分模型僅損失 10%–20% 的性能。拉班認為，實際場景中的性能損失可能更嚴重，因為測試只使用了簡單的用戶模擬；如果用戶在對話中途改變想法，性能下降幅度可能會更大。
原始研究發現，調低溫度值（temperature）這類技術微調無法解決這一問題。研究人員建議：一旦出現異常，重新開啟一段新對話，最好先讓模型把所有請求總結一遍，再用這份總結作為新對話的起點。
