字节研究发现长上下文弱点，同一信息换位置会影响检索

字节Seed公开论文讨论分块KV缓存压缩带来的位置敏感性：同一信息位于压缩窗口不同位置时，可能更容易或更难被检索。研究在部分大型开放权重模型中观察到最高40个百分点的差异，提醒平均评测分数可能掩盖周期性失败。

字1 个来源21.3468443619345931 小时前长上下文模型评测国产研究

要点

给长文档和知识库评测提供了具体新方法：同一材料应改变位置再测。

构建长文问答、检索系统和模型评测工具的开发者会受到影响。

从Seed论文页阅读摘要与论文，选同一条可核验事实放到长文不同位置，比较答案并记录模型、长度和压缩配置。

免费未实测

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。