某企業建置長時間對話的客服機器人，發現當對話回合數持續增加、上下文變得很長時，即使對話內容仍未超過模型可支援的上下文長度上限，模型仍常「忘記」或答錯先前提及的內容，回覆準確度明顯下降。下列關於此現象的敘述，何者最正確？
答案 （A）
核心概念
上下文還沒超過上限，模型也可能「看得到卻用不好」，這是長上下文的注意力稀釋問題。
大型語言模型靠注意力機制從上下文裡挑重要資訊。上下文越長，要分配注意力的內容越多，關鍵句子容易被淹沒，尤其是放在中間的內容（研究上叫「迷失在中間」，Lost in the Middle）。所以就算沒超過上限，準確度還是會下降。
答題技巧
快速判斷技巧：「未超過上限仍會忘」，答案是關鍵資訊被淹沒，自動機制都是編的。 ・上下文越長 → 關鍵資訊越難抓到 ・推論時 → 參數不變、沒有自動索引
易錯陷阱：(D) 用「上限」做文章，題幹明講「仍未超過上限」，選它等於否定題目。 關鍵差異：上限是「裝不裝得下」，題目問的是「裝得下但用不好」。 警訊詞：「自動建立索引」「自動切換架構」這類自動魔法，在模型題裡幾乎都是錯的。