AI的記憶力可能根本不是你想像的那樣。
大模型有個藏不住的致命傷：它們分不清"新歡"和"舊愛"。
UVA和 NYU的研究人員剛發了篇論文，捅破了這層窗戶紙。
給你舉個例子：
病人剛入院，血壓120。
十分鐘後，血壓128。
出院時，血壓125。
你問 AI："最後一次讀數是多少？"
正常人都會說125。
但測試了 GPT-4o、Claude、DeepSeek等35個模型後，結果讓人脊背發涼。
只要干擾信息一多，所有模型都會集體"斷片"。
準確率不是緩慢下降，而是呈對數線性直接跌向零。
注意，是100%報錯。
最諷刺的是，正確答案就擺在問題的正上方，連"搜索"都不用。
但模型就是死攥着舊數據不撒手。
在認知心理學裏，這叫"前攝抑制"，即舊記憶干擾新記憶。
人類的大腦能自動過濾雜音，但 AI不行。
它們沒有所謂的"清理機制"，只會讓垃圾信息無限堆積。
現在全行業都在卷 Context Window（上下文長度），賣更貴的 Token。
這篇論文直接掀了桌子：抗干擾能力和上下文長度根本沒關係。
128K的超長上下文，本質上只是一個 AI處理不了的巨大垃圾桶。
堆算力、加參數、搞提示詞工程，通通沒用。
這意味着什麼？
如果你在用 AI跑金融時序、處理動態醫療數據或者構建長程 Agent，你正踩在一個隨時會崩塌的地基上。
當舊數據積累到一定程度，哪怕正確答案就在眼皮底下，AI也會睜眼說瞎話。
這個硬傷不解決，AI永遠無法真正理解"現在"。
