模型能力升级：长文本理解更稳了

读到第17页，模型突然"失忆"了？

你有没有遇到过这种情况：把一份二十多页的材料计算报告或者综述PDF丢给平台，前面的分析顺风顺水，越往后越容易出现引用错位、结论重复，甚至干脆"忘了"前面设定的任务目标。说实话，这种体验挺打击人的。

最不稳定的地方，往往是最后三分之一

我们内部复盘了大量失败案例，发现一个规律：长文档的后三分之一，是出问题的高发区。前面设定好的分析框架、关键约束，到后面容易被稀释。用户不得不反复复制粘贴、分段提交，效率大打折扣。

这次升级改进了什么

本次升级不只是把上下文窗口拉大。我们重新调整了长文本的注意力分配、段落级召回和关键信息锚定。具体效果可以用一个数字概括：复杂任务出错率下降约40%。在DeepCode处理长篇代码说明、Literature Miner梳理多文献关联时，后段的稳定性提升最为直观。

三类任务受益最大

• 整本硕博论文或综述分析：从摘要到结论保持一致的解读框架。
• 多文件对比阅读：跨文档引用时不再张冠李戴。
• 长代码说明与参数追踪：在LAMMPS Assistant等工具中，长输入文件的关键参数更不容易被漏掉。

长文本能力的提升，不是让模型"看更多"，而是让它"记得更牢"。

如果你之前因为长文档分析不稳定而放弃过某些任务，建议现在再试一次。我们也欢迎把遇到的边界案例反馈给平台。