有注意力缺陷多动症 (ADHD)

在人工智能与大模型语境下，有注意力缺陷多动症（Attention Deficit Hyperactivity Disorder, ADHD）并非指模型患有精神疾病，而是借用该术语形象地描述大语言模型在处理长文本或复杂推理任务时表现出的特定行为缺陷。这种‘缺陷’表现为模型难以维持对关键信息的持续聚焦，导致生成内容出现逻辑断层、关键信息遗漏、上下文关联断裂以及思维发散等类似人类注意力缺陷多动症的症状。它是评估大模型上下文窗口利用率、推理连贯性及长程依赖建模能力的重要指标。

在现代计算架构中，有注意力缺陷多动症是衡量大模型‘认知稳定性’的关键维度。随着模型参数量与上下文长度的指数级增长，如何抑制模型在长序列中的注意力漂移成为架构设计的核心挑战。该概念揭示了纯自回归生成机制在长程依赖上的天然短板，推动了混合注意力机制、稀疏注意力、滑动窗口策略及外部记忆模块等架构创新。理解并缓解这一‘缺陷’，是构建具备人类级逻辑推理与长程记忆能力的大模型系统的必经之路，直接影响模型在复杂任务中的表现上限。