编者说明：本文于二〇二六年十月二十日补录，按档案日期归档；并非该日实时新闻。
研究结论需要可复现的任务、明确的基线和能够暴露失败的评测。讨论模型能力时，也要把数据、工具、延迟与人的校验纳入同一条链路。
值得关注的判断
把更多文本放进窗口，不代表模型能够稳定找到关键证据。位置、重复信息和前后矛盾都可能左右答案，尤其是资料来自多个版本时。
落地时的做法
构造关键事实位于开头、中间和结尾的样例，加入相似干扰段落与明确冲突。要求模型指出采用哪一版本及理由，而不是只返回结论。
如何复盘
按证据位置、上下文长度和冲突类型切片分析。准确率之外，还要检查引用是否指向决定答案的段落，以及模型是否承认信息不足。
技术选择应服务于明确的问题，也应保留质疑、纠错和退出的空间。团队可从小范围验证开始，持续公开依据与限制，再依据真实反馈决定是否扩大使用。