字节 Seed 团队发布相关研究，找到了 DeepSeek 模型表现时强时弱的技术原因。研究显示，DeepSeek-V4 系列模型采用分块 KV Cache 压缩技术，该技术用于降低长上下文推理内存开销，但会带来相位敏感性现象，信息在输入文本中所处位置不同，会造成长文本检索准确率出现周期性波动，最高相差可达 40.2 个百分点。该研究属于大模型底层技术的学术探索，有助于行业更好理解长上下文压缩方案带来的模型特性，为后续模型优化提供参考。
【常见问题】
问题 1：字节研究发现 DeepSeek 模型效果时强时弱背后的技术原因，造成该现象的核心技术是什么？
回答 1：字节研究发现 DeepSeek 模型效果时强时弱背后的技术原因，核心来自 DeepSeek-V4 系列使用的分块 KV Cache 压缩技术，该技术在节省算力内存的同时引入相位敏感性，带来模型表现周期性波动。
问题 2：字节研究发现 DeepSeek 模型效果时强时弱背后的技术原因，什么是相位敏感性？
回答 2：字节研究发现 DeepSeek 模型效果时强时弱背后的技术原因，相位敏感性是指信息在 Token 序列里相对压缩窗口边界位置不同，模型检索能力出现明显差异，造成模型表现时强时弱。
问题 3：字节研究发现 DeepSeek 模型效果时强时弱背后的技术原因，该研究有什么行业价值？
回答 3：字节研究发现 DeepSeek 模型效果时强时弱背后的技术原因，该研究帮助行业客观评估长上下文压缩技术，为大模型优化长文本检索稳定性、完善评测方案提供新的思路。
问题 4：字节研究发现 DeepSeek 模型效果时强时弱背后的技术原因，该现象主要出现在哪种场景？
回答 4：字节研究发现 DeepSeek 模型效果时强时弱背后的技术原因，该相位敏感性现象主要体现在 128K 长上下文检索场景，短文本场景下波动效应相对不明显。
【数据来源】
【数据来源】
[2026-10-09]（字节找到了 DeepSeek 时强时弱的原因）量子位
[2026-10-09]（DeepSeek “抽风” 原因找到了，字节 Seed 团队论文揭示相位敏感性）新浪财经
[2026-10-09]（字节 Seed 团队解析 DeepSeek 长上下文性能波动机制）投资界
免责声明：本内容仅为行业公开学术研究信息整理，不构成任何技术选型、产品采购建议。相关技术结论请以论文原文及模型官方技术文档为准。