姚顺雨交出的首份研究成果，或成为腾讯AI决战获胜关键

2026年春节未至，国内AI大厂的用户争夺战已率先打响，腾讯元宝大手笔发红包，阿里千问推出30亿免单活动，字节豆包依托春晚流量做内容生成，各大厂商纷纷烧钱抢占市场。

但相较于短期的营销动作，腾讯此前挖来前OpenAI研究员、清华姚班的姚顺雨，或许才是其布局AI赛道的长远之计。

近日，姚顺雨执掌腾讯AI后交出首个署名研究成果，由腾讯混元团队联合复旦大学完成，这份聚焦大模型上下文学习能力的研究，直指AI“听不懂人话”的核心痛点，也让腾讯在与国内外厂商的AI竞争中，走出了一条差异化的技术攻坚路线。

这份研究将目光对准了大模型上下文处理技术，得出的结论令人意外：当把大模型从记背知识的“背书模式”，切换到根据新信息实时推理的“现学现卖模式”时，即便是目前全球最先进的AI模型，正确率也仅有23.7%。

这一发现直接解释了普通用户使用AI时遇到的“死脑筋”“胡说八道”等问题，而上下文处理能力，也成为当下全球大模型的共同难题。

要理解这一研究的价值，需先看清大模型的两大运作阶段。

第一阶段是预训练，模型通过学习互联网海量静态数据积累通用知识，这是其回答常规问题的基础，但这些知识仅截止到训练完成前，无法适配动态的真实世界。

第二阶段是情境学习，也就是上下文处理，要求AI跳出预训练的知识储备，根据用户给出的全新、专属信息实时推理判断，比如依据公司内部会议纪要、游戏新活动规则作答。

可以说，上下文处理能力是AI的灵魂，一旦处理不好，AI就会脱离具体规则编造答案，出现常见的“幻觉”问题。

为测试大模型的上下文学习能力，混元团队打造了CL-bench评测体系，构建了近2000个从未在互联网公开的全新情境，让模型在无通用知识可参考的情况下作答。测试结果显示，表现最好的GPT-5.1(High)正确率仅23.7%，Claude Opus 4.5约21.1%，国内的千问、豆包等模型正确率也在10%-14%之间，所有测试模型的平均正确率仅17.2%。

这意味着，当要求AI只根据给出的新信息作答时，绝大多数情况下都会出错，如同固执的学生无视黑板上的新规则，仍按旧知识答题。

研究还揭示了大模型上下文学习能力薄弱的两大原因：一是预训练知识过于根深蒂固，面对新信息时无法有效抑制旧认知；二是复杂逻辑推演能力不足，即便能处理超长文本，也难以从海量信息中精准提取关键，简单的知识检索尚能应对，一旦涉及复杂推理，正确率便会暴跌。

而这一痛点，也成为国内外AI厂商的竞争分水岭，各家的攻坚方向因自身生态截然不同。

国内来看，阿里千问依托电商、本地生活的完整履约体系，核心攻坚大模型与B端商业体系的整合能力，其30亿免单活动就是考验模型在实体消费场景的落地执行，而非底层的上下文处理；

字节豆包背靠短视频生态，侧重AI生成内容的能力，争夺用户注意力时长，技术发力点更多在多模态内容创作、实时交互体验上；

百度文心一言则坚守搜索核心，重点提升大模型的知识检索和通用问答效率，围绕搜索场景做技术优化。

这几家大厂的技术布局均围绕自身核心生态，在大模型上下文处理这一底层痛点上，尚未有深度的专项研究和攻坚。

海外厂商则走上了另一条路，OpenAI、Google虽在模型参数、长上下文窗口上持续发力，比如Google Gemini支持200万tokens的超长文本、GPT-4-turbo有128k tokens处理能力，但此次测试显示，Gemini 3 Pro正确率仅15.8%。

可见其虽提升了上下文窗口的长度，却忽视了模型对新信息的实时推理能力，陷入“能装下更多信息，却读不懂信息”的困境。

而腾讯之所以聚焦这一技术痛点，与其自身的业务布局密不可分。和其他厂商不同，腾讯的核心业务扎根于社交、内容领域，同时布局游戏与企业服务，这些场景对AI的上下文处理能力要求极为苛刻。

微信、QQ的碎片化对话流，需要AI精准理解封闭语境中的人际关系和隐含逻辑；游戏场景要求AI根据实时局势做出反应，而非机械背诵预训练内容；企业微信、腾讯会议则需要AI基于私有文档做精准分析，通用知识在此不仅无用，还可能因“幻觉”造成误导。

各大厂的AI营销战只是短期的用户争夺，而姚顺雨的这份研究，让腾讯跳出了“生态适配”的固有竞争思路，直击全球大模型的核心技术痛点。

对坐拥海量应用场景的腾讯而言，一个能在复杂上下文中保持逻辑严密的AI模型，远比只会死记硬背知识的模型更具商业价值，而这一差异化的技术布局，也成为腾讯决战AI赛道的关键一步。