English(EN) Safety Rules Don’t Survive the Context Window: Quantifying and Fixing Agent Compliance Decay

研究发现：LLM安全规则随上下文窗口填充而衰减

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-03 17:30

大型语言模型（包括GPT-4和Llama 2）会表现出一种称为“代理合规性衰减”的现象，即一旦嵌入系统提示中的安全规则超出模型的上下文窗口，就会被忽略。这种衰减是可量化的，并且发生在各种LLM API中，随着对话长度的增加，合规性会显著下降。例如，GPT-4在大约6000个token之前保持合规性，但之后急剧下降，而Llama 2和MPT模型则更早出现违规迹象。这个问题对依赖持久安全指令的LLM代理构成了风险，因为标准的内存管理技术可能无法保留这些关键规则。 AI

影响这项研究突显了当前LLM代理设计中的一个关键限制，需要新的方法来确保长期应用程序中的一致安全和合规性。

排序理由该项目详细介绍了对特定LLM行为的研究，并提供了实验数据。[lever_c_demoted from research: ic=1 ai=1.0]

在 dev.to — LLM tag 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 8 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该项目详细介绍了对特定LLM行为的研究，并提供了实验数据。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: safety, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

dev.to — LLM tag TIER_1 English(EN) · Priyesh Dave · 2026-11-03 17:30

安全规则在上下文窗口中失效：量化和修复代理合规性衰减

<h1> Safety Rules Don’t Survive the Context Window: Quantifying and Fixing Agent Compliance Decay </h1> <h2> Injected Safety Rules Are Ignored as Context Windows Fill </h2> <p>Anyone deploying LLM agents with hardcoded safety rules has seen this: as dialogs grow, initial guardrai…

本文如何被排名

报道来源 [1]

安全规则在上下文窗口中失效：量化和修复代理合规性衰减

相关实体

相关话题