姚顺雨主导的腾讯混元新研究：破解AI上下文难题，成红包大战后决战关键

1天前

若论AI的致命短板，上下文理解堪称其一。

春节未至，各大厂商已摩拳擦掌：先有元宝派发红包，紧接着千问豪赠奶茶——不过三十亿预算，不足挂齿。

前端烧钱做推广，后端默默搭基建，毕竟推广预算耗尽后，用户留存率高低全看产品本身实力。如此看来，腾讯下半年挖来前OpenAI研究员、清华姚班天才姚顺雨，实属深谋远虑。

执掌腾讯AI业务后，姚顺雨近日终于推出首项署名研究成果。这是腾讯混元团队联合复旦大学开展的研究，聚焦于AI的上下文理解问题。虽看似冷门技术点，但其发现却让日常使用AI的用户心惊：若将大模型从“背书模式”切换至“现学现卖模式”，即便是全球顶尖AI，得分率也仅23.7%。

这项研究绝非技术圈八卦，它直接解释了普通用户为何常觉得AI“听不懂人话”“死脑筋”或“胡说八道”。若说AI有致命弱点，那非上下文莫属。

上下文：AI的核心能力

要理解该研究价值，需先明晰大模型运作的两个基础阶段。

第一阶段是预训练。模型通过学习互联网海量数据，掌握大量知识与模式，这是AI知识储备的来源，也是其能回答通用问题的基础，如今已广为人知。

但问题在于，预训练数据是静态的，仅反映训练截止前的世界。一旦超出此范围，模型便会“失明”——而现实世界是动态变化的。

于是进入第二阶段：情境学习，即上下文处理。当用户向AI提供全新、内部或复杂规则文本时，实则要求它跳出预训练记忆，依据眼前信息实时推理判断。

比如公司刚开完会的纪要、游戏新活动规则等，这些知识未在互联网公开，只能由用户将规则、信息（即“上下文”）提供给AI，让其据此回答问题。

这才是现实：互联网并非无所不包，模型的上下文学习能力至关重要，甚至可称：上下文是AI的核心能力。

若AI记不住或理解错上下文，就会开始“编造”（即幻觉），可能依据预训练的通用规则回答——比如会议纪要明明说行政部负责下午茶，它却说是产品经理负责。

这正是混元团队构建CL - bench的目的。他们打造了近2000个未在互联网公开、由专家精心设计的“全新情境”，涵盖虚构法律体系、新编程语言语法等。

根据CL - bench排行榜，当前最先进的GPT - 5.1 (High)模型正确率仅23.7%，Claude Opus 4.5约21.1%，其他模型多在10% - 18%之间。

这意味着，当要求AI“忘掉旧知识，只看我发的内容”时，它们大概率会出错。就像固执的学生，即便老师在黑板写“今天1 + 1 = 3”，仍会喊出“1 + 1 = 2”——因为新知识对它们而言“超纲”了。

CL - bench研究揭示了模型情境学习失败的深层原因，解释了AI为何时聪明时“愚蠢”。

最常见的失败原因是：模型预训练知识过于“根深蒂固”。当接收新上下文时，往往无法抑制预训练数据中的固有模式。

例如CL - bench的一个测试案例：研究人员构建虚构软件开发包Skynet SDK。虽为虚构名，但“Skynet（天网）”在AI预训练数据中知名度高，模型可能下意识带入《终结者》电影设定，无视说明文档的代码规则。

此外，复杂逻辑推演仍是技术瓶颈——这多少令人意外，2026年了，AI处理长文本早该熟练？但事实是，模型虽能处理几万字文本，却未必能从海量信息中精准找到关键。研究发现，当上下文过长、逻辑复杂（如复杂推理链、多轮交互依赖）时，模型表现会骤降。

若上下文仅为“知识检索”（如从文档找名字），现有模型还能应付；但一旦涉及“逻辑推理”，解决率便会暴跌。

为何腾讯要做这项研究？

CL - bench是姚顺雨加入腾讯后的首项署名研究。将其置于腾讯庞大产品矩阵中审视，便会发现“上下文学习”与腾讯业务逻辑的紧密关联。

与侧重搜索或通用生产力工具的科技公司不同，腾讯根基深植于“社交”与“内容”领域，而这两个领域对AI上下文能力要求极高。

以微信或QQ为例，其产生的数据并非孤立问答，而是连续、高度碎片化的对话流——近期的元宝派发活动便是例证。当用户让AI总结数百条消息的群聊重点，或在数月私聊记录中找某个约定细节时，AI面临的正是CL - bench测试的极限：必须在不依赖外部通用知识的前提下，精准理解封闭对话中的特有语境、人际关系与隐含逻辑。