Context recall

Context recall — способность языковой модели вспоминать информацию из предыдущих частей диалога, как человек, который помнит, о чём говорил с вами пять минут назад. Технически это обращение к контекстному окну — массиву текста, который модель видит перед генерацией ответа. Без такого воспоминания каждый запрос обрабатывался бы изолированно, и беседа превращалась бы в бессвязный набор реплик.

Это критично для ассистентов, переводчиков и кодеров, которым нужно удерживать множество деталей. Если вы просите написать письмо, а затем уточняете «сделай тон дружелюбнее», модель обязана помнить исходный текст. Плохой context recall приводит к тому, что ИИ повторяет уже сказанное или игнорирует правки, заставляя вас переписывать промпт. В медицине или юриспруденции такая забывчивость недопустима: цена ошибки — потерянная информация.

Интуитивно это похоже на секретаря, который держит в голове все детали встречи. Вместо полного протокола модель хранит сжатые векторы — не сами слова, а их смысловые отпечатки. Когда вы задаете новый вопрос, модель пробегает по этим отпечаткам, находит релевантные фрагменты и обновляет понимание. Чем больше окно, тем дольше память, но тем дороже вычисления, поэтому инженеры ищут баланс между объемом памяти и скоростью.

Показательный пример: вы обсуждаете с ИИ выбор автомобиля — бюджет, город, тип кузова. Спустя десять реплик спрашиваете: «А если я уеду в деревню, не развалится ли подвеска?» Хороший контекст-риколл позволяет мгновенно сопоставить вопрос с ранее указанными условиями и ответить, что дороги будут главной проблемой. Плохой — начнет спрашивать бюджет заново.

Итог: context recall — это базовая память диалога, определяющая, насколько ИИ воспринимается как вдумчивый собеседник, а не как калькулятор с одной кнопкой. От его качества напрямую зависят полезность, связность и доверие к результатам работы генеративных моделей.