Today for AI
返回热点榜
llm热度 11.3°

AI 聚簇研判事件 · 2026/10/9

字节 Seed 揭示 DeepSeek 长上下文性能漂移：分块 KV 缓存压缩致相位敏感性，检索准确率波动达 40%

ByteDance Seed Reveals DeepSeek Long-Context Drift: Chunked KV Cache Compression Causes Phase Sensitivity with 40% Accuracy Fluctuation

1 篇报道存证1 家独立信源交叉印证持续跟踪至 2026/10/9 08:49:58
全景综述与最新动态
1 家信源交叉印证

字节跳动 Seed 团队在 arXiv 发表论文指出，DeepSeek 模型采用的分块 KV 缓存压缩技术引入了“相位敏感性”，导致长上下文检索性能出现周期性漂移。研究发现，相同信息在不同相位下的检索难度存在系统性不对称，大型开放权重模型的检索准确度波动幅度高达 40 个百分点，揭示了平均基准分数掩盖的周期性弱点。

最新动向/字节跳动 Seed 团队在 arXiv 发表论文指出，DeepSeek 模型采用的分块 KV 缓存压缩技术引入了“相位敏感性”，导致长上下文检索性能出现周期性漂移。研究发现，相同信息在不同相位下的检索难度存在系统性不对称，大型开放权重模型的检索准确度波动幅度高达 40 个百分点，揭示了平均基准分数掩盖的周期性弱点。

TIMELINE报道时间线

共 1 篇 · 最新优先
  1. IT之家 · 智能时代T2·78 分

    字节 Seed 揭示 DeepSeek 长上下文性能漂移：分块 KV 缓存压缩致相位敏感性，检索准确率波动达 40%

    原文标题：字节 Seed 团队发现 DeepSeek“抽风”原因，长上下文可能性能漂移

    • 分块 KV 缓存压缩虽降低内存成本，但引入 Token 相位这一新位置坐标，导致检索性能周期性波动。
    • DeepSeek-V4 系列模型在长上下文任务中表现出显著的相位敏感性，不同相位下检索准确率差异可达 40%。
    • 平均基准测试分数可能掩盖模型在特定输入位置上的系统性弱点，需关注细粒度的性能分布。