字节研究发现输入位置变化，可能影响长文本检索

字节 Seed 团队研究发现，在特定 DeepSeek-V4 模型和长上下文测试中，信息所在位置会周期性影响检索结果，并将现象与分块缓存压缩联系起来。量子位报道了测试差异，不能把这一发现直接扩展成所有版本、所有任务都不稳定。

量1 个来源742026年10月9日长上下文模型可靠性评测方法

要点

评测长文本系统时，应改变信息位置，而不是只测试一个固定模板。

做知识检索、长文档分析和模型评测的开发者值得关注。

按照原文测试思路，用同一事实生成不同位置、不同前缀长度的样本，对比答案和引用，记录模型版本。

国内可直接用未实测

本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。

Matrix-Game 4.0 让轻量引擎负责规则和状态，视频模型将低多边形画面转成细致视觉，编码智能体则修改场景与玩法。论文报告 RTX 5090 上实现 480p、60 帧交互，按键到显示延迟为 112 毫秒，并宣布开放代码与资产。实时帧率需与响应延迟分开看。

BizAgentBench 将 789 份知识文档、601 项业务工具和 50 个长流程任务放进可执行环境，既核验最终目标，也检查中间步骤约束。论文显示只看任务完成会掩盖无效操作；HF 早期标题为 BizBench，arXiv 修订版已改名。同时还应记录任务过程中的工具调用成本。

UltraText Bench 提供 432 条人工检查的提示，覆盖 24 类真实场景，中英文各半，每张图要求四至十二处文字。评估分别看文字准确、清晰度、空间安排和场景质量，揭示快速模型可能更清晰却更容易写错字的取舍。适合中文海报选型。

爱范儿梳理 PHP2Shell 漏洞披露与紧急修补过程，介绍 OpenAI 安全研究在构造可复现证据中的作用。事件涉及底层软件广泛使用带来的连锁影响；具体风险取决于运行版本与部署条件，不能把使用 PHP 都等同于已经遭入侵。