什么是大海捞针测试？长文本的考题

把一句关键信息埋进几万字长文，大模型还能不能把它找出来？这道考题有个形象的名字——大海捞针测试。Kimi 以长文档阅读见长，纳米AI 也常主打资料检索，这类能力的高下，就是靠捞针一类测试量出来的。

针是怎么埋进去的

经典做法三步：先选定一句放在无关上下文里也成立的话当「针」，比如一句隐蔽的约定或一个特殊数字；再把它插进一篇几万甚至几十万字长文里的指定位置；最后只问一句与那句话相关的问题，看模型答不答得上来。打个比方，像把一粒芝麻埋进一锅粥——喝完一整锅还能不能说出那粒芝麻在哪。类比失效之处：芝麻不改变粥的味道，而埋进去的针会牵动上下文的连贯性，埋得越自然，题出得越好。

长文本为什么会忘事

两个原因叠加：一是窗口限制，模型一次能处理的文字量有上限，超了就装不下；二是注意力稀释，即便装得下，模型对中间位置的细节关注也会减弱，开头结尾记得牢、中段容易滑过去，实测里这个规律反复出现。所以针埋在中段的命中率往往低于两端，这不是玄学，是结构性的规律。窗口数字年年涨，稀释问题却没同步消失，容量大不等于每一处都被照顾到。中段滑过去的实验结果流传很广，各家模型多多少少都有，差别只在幅度。有的测试还会换位置反复埋针，同一位置埋十次取命中率，把偶然因素压掉。读图有个诀窍：看低分区域的形状，成片低分说明结构性缺陷，零星失手多半是题目问题。针埋多深、文档多长、问的什么类型，三个变量一起看，这份成绩单才算读完整。

捞针成绩单怎么读

正规的成绩单会标注三个变量：文档多长、针埋在哪个深度、问了什么类型。只报一个「通过率」的测试参考价值有限。看到百分比时，先找深度分布图——横轴是针的位置、纵轴是命中率，整张图绿多红少才算真稳。抗干扰的另一面，即长文里混入噪音还能不能盯住主线，与鲁棒性考卷相通，见什么是鲁棒性评测？抗干扰能力，别再混淆了。

三个变量各管一段，缺一项就比不出高下。

针之外还要看什么

捞针只考「找得到」，不考「用得好」。针的内容也有讲究：不能靠上下文推断出来，必须只能从原文获得，否则就考不到检索能力。别把捞针分当成长文能力的全部，它是入场券，不是毕业证：从长报告里找要点再综合，是比捞针更常用的真实任务，两端能力都要看。宣传归宣传，深度分布图才是真相。找到信息后的多步处理、跨段综合，是 Agent 考卷的事，见什么是 Agent 评测？多步任务的考卷；把找到的信息按格式写成结果，是指令遵循的考法，见什么是指令遵循评测？听不听话，一次讲明白；数理类针题的对错判定则与数学考卷相通，见什么是数学评测？对错分明，看完就会判断。

捞针测试速查表

• 三个变量：文档长度、针的深度、提问类型。
• 读图：深度分布图比单一通过率更有信息量。
• 盲区：只考找得到，不考用得好。

读长文成绩，先问针埋多深。

长文本成绩单，要看针埋得多深、文档多长。下次看到「支持超长文档」的宣传，不妨换成你的问题：埋在中间那段的信息，它找得到吗？

关于大海捞针测试的三个常问问题

• 针埋得越深越难吗？：通常中段最难，开头结尾相对容易，这是注意力分布的普遍规律。
• 能自己在家测吗？：可以，拿一篇长文藏一句特定信息再提问，就是最简版捞针。
• 写代码场景也用得上吗？：用得上，大仓库里找关键函数是同型题，判法与代码考卷跑通才算数的思路相通。