IT之家 3 月 1 日消息，研究据 THE DECODER 报道，证实最高新一代大语言模型（从 GPT-5 及后续版本开始）在任务需要跨多轮对话完成时，大模多轮对话池州小程序开发表现依然不佳。型跨性研究员菲利普 · 拉班（Philippe Laban）及其团队在代码、任务数据库
、表现不佳操作指令 、研究数据转文本、证实最高数学计算、大模多轮对话文本摘要这六大任务上对现有模型进行了测试。型跨性池州小程序开发当信息被拆分到多条消息中（分片式），任务而非集中在单次提示词里（拼接式）时，表现不佳模型性能会显著下降。研究

IT之家注意到，更新的大模多轮对话模型表现略好一些，性能降幅从 39% 缩小到 33%，但问题远未解决。Python 任务的提升最为明显
，部分模型仅损失 10%–20% 的性能 。拉班认为，实际场景中的性能损失可能更严重，因为测试只使用了简单的用户模拟；如果用户在对话中途改变想法，性能下降幅度可能会更大 。

原始研究发现 ，调低温度值（temperature）这类技术微调无法解决这一问题 。研究人员建议：一旦出现异常，重新开启一段新对话，最好先让模型把所有请求总结一遍 ，再用这份总结作为新对话的起点。