让 AI 从一大叠档案里找一个人的电话号码，直觉上，档案越厚越容易找错。但这项研究发现，麻烦可能不在“厚”，而在里面有多少张长得像正确答案的纸。作者研究的是长上下文检索——让模型从一次读入的大段文字中找回指定事实，并把材料长度与内容干扰拆开测试。
实验固定正确证据的位置和总长度，只更换周围文字。在 Qwen2.5-1.5B 上，填入无关的中性内容时，即使扩展到 32K Token，准确率仍为 0.97 至 1.00；换成与证据格式相似的陈述，准确率降至 0.11 至 0.21。Token 是模型处理文字的基本单位。更关键的是，只放入一条“同一问题、不同答案”的竞争陈述，损失就扩大 9 至 110 倍，竞争者越多，表现越差。
模型内部也出现同一条线索：注意力——模型给输入中不同位置分配权重的机制——留给正确证据的份额，可解释最多 58% 的损失差异；输入长度最多只能解释 8%。这些数字均为作者在五个开放模型、126,473 次试验中的自述，且 32K 的中性填充结果只适用于其中一个模型。它提示长上下文优化可以换个靶子：不只压缩字数，更要减少相似候选之间的竞争。