冻结准确主张、系统与用户结果
- 判断问题
- 主张指可接收输入长度、检索、推理、摘要、对话历史、外部记忆，还是跨会话持久回忆；面向哪个系统与决定？
- 最低证据
- 逐字主张、主张者与日期；模型、分词器、提示、检索与记忆配置；任务、用户、质量底线、时延与成本范围；准确版本和端点。
- 停止条件
- 标称 Token 上限被当作系统能够找到、组合或记住所有输入事实的证明时停止。
可接收不等于可使用
上下文窗口是容量边界；能力证据必须说明系统在何种长度、位置、任务和失败分母下仍能可靠使用信息。
长上下文、检索增强和持久记忆是不同机制。一次请求中的长输入不会自动跨会话保留；外部检索也不会自动形成准确、可纠正且受权限约束的记忆。评估应先分清对象，再测量结果。
适用边界本页是公共研究方法，不代表 FUURAA 或 FUUVO 产品能力，也不评价任何模型、供应商、基准、上下文架构或记忆系统；不构成可用性保证、SLA、认证、审计、采购、投资、法律或合规意见。
六道可拒绝的证据门
每道门都回答一个判断问题、要求最低证据，并在关键未知时停止外推或缩小结论。
定义上下文对象与长度测量
- 判断问题
- 计数窗口包含什么、Token 如何测量；还要为指令、工具、检索文本、对话状态与输出保留多少空间？
- 最低证据
- 分词器与版本、原始及分词后输入、系统与用户消息、工具模式与结果、检索分块、预留输出、截断顺序、压缩与溢出行为。
- 停止条件
- 字符、词与 Token 被混用、隐藏指令被省略，或系统未披露地静默截断、摘要或拒绝时停止。
按位置、密度与干扰项测试检索
- 判断问题
- 当长度、目标数量、词面重合与干扰相似度变化时，系统能否从开头、中部和结尾恢复相关证据？
- 最低证据
- 长度阶梯、随机目标位置、多针、改写问题、困难负例、干扰控制、重复运行、精确匹配与语义评分、不确定性及失败样例。
- 停止条件
- 单个位置的字面大海捞针代替稳健检索，或平均值隐藏中部位置及长长度崩溃时停止。
测试整合、时序与输出质量
- 判断问题
- 找到证据后，系统能否组合远距离事实、保留时序与矛盾、遵循指令，并生成完整且可归因的答案？
- 最低证据
- 单跳与多跳任务、时序与更新案例、冲突证据、摘要覆盖、引用忠实度、输出量表、盲法人工复核、一致性与裁决错误。
- 停止条件
- 定位字符串被报告为理解、看似合理的摘要遗漏重大例外，或模型评分未针对任务验证时停止。
区分提示上下文、外部记忆与持久性
- 判断问题
- 哪些信息只存在于当前请求、哪些来自外部存储、哪些会写回；新会话、版本变化、删除或权限变化后，什么仍会保留？
- 最低证据
- 记忆架构、标识与租户、读写触发器、溯源与时间戳、同意和访问控制、纠正与删除测试、会话重置、到期及对抗污染案例。
- 停止条件
- 大提示窗口被称为持久记忆、检索被隐藏、过时事实无法纠正，或删除及租户隔离未经测试时停止。
在真实使用中测量完整系统并设定到期
- 判断问题
- 主张能否经受真实文档、语言、工具、并发、时延、失败及模型或检索变化；何种变化要求重新验证？
- 最低证据
- 类生产工作负载、输入输出分布、逐长度准确率、时延与失败分布、成本单位、检索和工具日志、重大变更记录、核对日期、到期与责任人。
- 停止条件
- 基准最大值变成部署承诺、失败或截断请求被移出分母，或模型、分词器、提示、索引及记忆策略变化后未重测时停止。
最低长上下文与记忆主张失效矩阵
主动检查这些情形，才能发现 Token 数字、演示和总平均分背后的截断、位置、整合与持久性错误。
- 01百万 Token 输入可被接收，但中部证据很少被利用
记录受影响的长度、位置、任务、系统组件、用户结果与决定；保留仍成立的最窄陈述，并明确需要重测、拆分结果、修正记录还是撤回结论。
- 02单个字面针能被找到，但改写问题或多目标失败
记录受影响的长度、位置、任务、系统组件、用户结果与决定；保留仍成立的最窄陈述，并明确需要重测、拆分结果、修正记录还是撤回结论。
- 03系统与工具消息占用空间，却未计入宣传窗口
记录受影响的长度、位置、任务、系统组件、用户结果与决定；保留仍成立的最窄陈述，并明确需要重测、拆分结果、修正记录还是撤回结论。
- 04流畅摘要遗漏例外、日期或矛盾证据
记录受影响的长度、位置、任务、系统组件、用户结果与决定；保留仍成立的最窄陈述，并明确需要重测、拆分结果、修正记录还是撤回结论。
- 05当前会话历史被描述为持久跨会话记忆
记录受影响的长度、位置、任务、系统组件、用户结果与决定；保留仍成立的最窄陈述，并明确需要重测、拆分结果、修正记录还是撤回结论。
- 06外部检索把过时或对抗内容写回记忆
记录受影响的长度、位置、任务、系统组件、用户结果与决定；保留仍成立的最窄陈述，并明确需要重测、拆分结果、修正记录还是撤回结论。
- 07截断与失败请求从质量及时延分母中消失
记录受影响的长度、位置、任务、系统组件、用户结果与决定；保留仍成立的最窄陈述，并明确需要重测、拆分结果、修正记录还是撤回结论。
- 08模型、分词器、提示、索引或记忆策略变化后未复核
记录受影响的长度、位置、任务、系统组件、用户结果与决定；保留仍成立的最窄陈述，并明确需要重测、拆分结果、修正记录还是撤回结论。
最低长上下文与记忆评估记录
让下一位复核者能够重建同一系统、长度、任务、位置、记忆与分母边界下的结论。
- 01准确主张、主张者、决定、核对日期与到期
- 02模型、端点、分词器、提示、检索与记忆版本
- 03计入的上下文组成、预留输出与溢出行为
- 04任务集、语言、文档类型、质量底线与用户结果
- 05长度阶梯、目标位置、密度、干扰项与重复次数
- 06检索、整合、时序、摘要与引用结果
- 07人工复核量表、复核者适配、一致性与裁决
- 08记忆读取、写入、纠正、删除、隔离与到期测试
- 09逐长度的准确率、时延、失败、截断与成本
- 10重大未知、最窄有支持结论与复核责任人
统一证据状态
把结论绑定到准确系统、长度范围、任务、位置、记忆机制、完整分母与日期，而不是单个 Token 数字。
准确系统与长度范围在可复现协议下通过检索、整合与记忆测试，并显示不确定性与到期。
证据只支持指定任务、位置、长度、语言或记忆行为；部署迁移仍有边界。
结果随长度、位置、任务、评判者、系统配置或重复运行显著变化，须拆分报告。
Token 上限、输入接受、单次大海捞针或无记录演示无法支持所述能力。
FUURAA 分析长上下文与记忆能力主张的最小判断单位是“准确系统与版本 × 计入窗口及可用长度 × 任务、位置与干扰 × 整合和输出质量 × 记忆读写及持久性 × 时延、失败分母与截止日期”。Token 上限只说明输入容量；读者真正需要的是系统在给定质量和失败边界下能够可靠使用多少信息。
一手来源与不可外推边界
这些来源分别约束统计目标、位置偏差、双语多任务长文本、评判指标、复杂检索与非字面关联；没有任何单项能独立证明完整长上下文或持久记忆能力。
来源于 2026 年 8 月 25 日重新核对。每项保留发布日期、在本方法中的作用与不可外推边界。
2026 年 2 月 17 日发布NIST AI 800-3 — Expanding the AI Evaluation Toolbox with Statistical Models
区分固定基准准确率与广义准确率，并要求明确测量目标、假设与不确定性。
边界其示例不建立长上下文能力；本指南仅迁移统计纪律，不迁移具体基准结论。
打开一手来源 ↗2023 年 7 月 6 日首次提交Stanford University and collaborators — Lost in the Middle显示相关信息的位置会显著改变表现，位于中部的信息通常比开头或结尾更难被可靠利用。
边界实验覆盖选定的检索与多文档问答设置；不能量化所有当前模型、任务或上下文架构。
打开一手来源 ↗2023 年 8 月 28 日首次提交Tsinghua University and collaborators — LongBench提出双语多任务基准，覆盖单文档与多文档问答、摘要、少样本学习、合成任务和代码补全。
边界在其指定数据集上的分数不能证明所有标称 Token 长度、语言、工作流或输出质量底线下都可用。
打开一手来源 ↗2023 年 7 月 20 日首次提交Shanghai AI Laboratory and collaborators — L-Eval构建 3K 至 200K Token 的长文档任务，并检验常见自动指标为何可能偏离人工判断。
边界其任务集与评判方法具有边界；模型评分或词面评分仍须针对准确任务、语言和输出形式验证。
打开一手来源 ↗2024 年 4 月 9 日首次提交NVIDIA and collaborators — RULER在可配置长度下，以多针检索、追踪与聚合扩展大海捞针测试，检查超越字面查找的能力。
边界合成任务成功不等于文档理解、持久记忆、工具使用或生产可靠性；被测模型与长度只是有日期的快照。
打开一手来源 ↗2025 年 2 月 7 日首次提交Adobe Research and collaborators — NoLiMa移除问题与证据之间的字面重合，使检索必须依赖潜在关联，而非关键词匹配。
边界NoLiMa 隔离的是一种检索挑战；不证明摘要、时序理解、对话记忆、跨会话持久性或安全行动。
打开一手来源 ↗继续核对