揭秘腾讯AI新突破：上下文处理挑战与机遇

春节的喜庆尚未散去，科技界已掀起新一轮竞争热潮：从红包大战到奶茶豪礼，无不预示着市场的不凡。这背后的预算虽仅30个小目标，却足以激起波澜。

资金在前线燃烧，基础设施紧随其后，因为当推广预算耗尽，真正考验产品留存的，便是其自身的品质。在此背景下，腾讯在下半年引进前OpenAI研究员、清华姚班的姚顺雨，其布局可谓深远。

姚顺雨掌舵腾讯AI后，近日发布了一项重要研究，由腾讯混元团队携手复旦大学完成，聚焦上下文处理。这一看似冷门的技术点，却揭示了一个令人震惊的事实：若将大模型从“背书模式”转向“现学现卖”，即便是当前最强的AI，其得分率也仅为23.7%。

这项研究不仅是技术圈的谈资，更直接揭示了AI在日常使用中的种种不足。若说AI有阿喀琉斯之踵，那非上下文莫属。

上下文：AI的核心

要理解这项研究的价值，需先了解大模型运作的两个阶段。

第一阶段是预训练，模型通过阅读海量数据，积累大量知识和模式。这是AI知识的基础，也是其回答通用问题的基石。

然而，问题在于预训练数据是静态的，反映的仅是模型训练截止前的世界。一旦脱离此范围，模型便陷入盲目。而现实世界是动态的。

于是，我们进入第二阶段——情境学习，即上下文处理。当你向AI发送全新、内部或复杂规则文本时，你实际上是在要求它跳出预训练记忆，根据眼前信息进行实时推理和判断。

比如公司内部会议纪要等新知识，从未在网上出现过，只能由你将规则、信息（即“上下文”）传递给AI，让它根据这些新知识回答问题。

这才是现实：互联网并非万能，模型对上下文的学习能力至关重要，甚至可以说：上下文就是AI的灵魂。

若AI记不住或误解上下文，便会开始编造（幻觉），可能根据“记忆”中的通用规则回答——例如会议纪要中明明说行政部负责下午茶，它却说是产品经理负责。

这就是混元团队创建CL-bench的目的。他们构建了近2000个从未公开过的、由专家精心设计的“全新情境”，包括虚构的法律体系和编程语言等。

根据CL-bench排行榜，目前最先进的GPT-5.1(High)模型正确率仅为23.7%，Claude Opus 4.5约为21.1%，其他模型大多徘徊在10%-18%之间。

这意味着，当我们要求AI“忘记以前学的，只看这段新内容”时，它们很可能搞砸。它们就像固执的学生，即便老师改了黑板上的公式，它仍会坚持旧答案，因为新知识对它而言“超纲”了。

CL-bench研究揭示了模型在情境学习中失败的深层原因，解释了AI时而聪明时而愚蠢的现象。

最常见的原因是模型在预训练中形成的东西太“根深蒂固”。当接收到新上下文时，它往往无法有效抑制预训练数据中根深蒂固的模式。

例如，在CL-bench的一个测试案例中，研究人员构建了一个虚构的软件开发包Skynet SDK。尽管是虚构的，但“Skynet（天网）”在AI的潜意识（预训练数据）中太出名了，模型可能会将《终结者》设定带入其中，从而忽视说明文档中的代码规则。

此外，复杂逻辑的推演能力仍是技术瓶颈。尽管模型能处理数万字文本，但它不一定能从海量数据中精准提取关键信息。研究发现，当上下文非常长、逻辑复杂时（如多轮交互依赖），模型表现会大幅下降。

为何是腾讯？

CL-bench是姚顺雨入主腾讯后首次署名的研究成果。将其置于腾讯庞大的产品矩阵中审视，可见“上下文学习”与这家互联网巨头业务逻辑的紧密联系。

与其他更偏向搜索或通用生产力工具的科技公司不同，腾讯的根基深植于“社交”与“内容”之中。这两个领域对AI上下文能力的要求极为苛刻。

以微信或QQ为例。这里的数据不是孤立的问答，而是连绵不断、高度碎片化的对话流。当用户试图在群聊中总结重点或在私聊记录中寻找约定细节时，AI面临的挑战正是CL-bench所测试的极限：它必须精准理解封闭对话中的特定语境、人际关系和隐含逻辑。

若AI无法妥善处理高密度上下文，便无法融入十亿用户的社交链路。它只能成为打断对话流畅度的累赘。

此外，腾讯在游戏与企业服务领域的布局也决定了对“情境学习”的渴求。游戏探索AI如何根据即时操作和游戏内局势做出反应；在企业微信和腾讯会议中，用户需要的是基于特定会议纪要或私有文档的精准分析。在这些场景下，通用预训练知识不仅无效，甚至可能因“幻觉”带来误导。