实
Chroma
开源向量数据库公司——其研究部门发布了 Context Rot 系统性实证研究
Chroma 在 2025 年发布的 Context Rot 研究是目前对 LLM 长 context 退化最系统的实证工作之一：测试 18 个前沿模型，4 类控制实验（needle-question similarity、distractor impact、needle-haystack similarity、haystack structure），加上 LongMemEval 和 Repeated Words 两个补充实验。代码开源于 github.com/chroma-core/context-rot。
Context Rot 研究设计 测试规模 18 个前沿模型，4 类控制实验 + 2 个补充实验——迄今最系统的长 context 退化研究 针与草垛相似度 针（目标信息）与问题相似 → 更容易被找到；针与草垛相似 → 更容易被混淆 干扰项影响 相关但不正确的干扰项使模型性能大幅下降——结构化 context 优于随机排列 LongMemEval 跨会话记忆评估——多轮对话中信息检索的系统性退化
利益关系注解 研究动机 作为向量数据库公司，Chroma 的动机指向 RAG 优于纯长 context 的论证——这一利益关系不影响方法论价值，但解读结论时应注意
→ Context Rot · Context Management · Virtual Context ManagementChroma Research (2025)
Chroma
概述
Chroma 是一家开源向量数据库公司，专注于 AI 应用的嵌入存储和检索。其研究部门（Chroma Research）发布了 context rot 研究，系统性地测量了 LLM 性能随输入长度增长的退化现象。
与 Wiki 主题的关联
Context Rot 研究
Chroma 在 2025 年发布的 Context Rot 研究是目前对 LLM 长 context 退化最系统的实证工作之一：
- 测试 18 个前沿模型
- 四类控制实验（needle-question similarity、distractor impact、needle-haystack similarity、haystack structure）
- 加上 LongMemEval 和 Repeated Words 两个补充实验
研究动机
作为向量数据库公司，Chroma 的研究动机指向 RAG 优于纯长 context 的论证：如果 context rot 是系统性的，那么检索相关子集（Chroma 的核心产品能力）比塞入全部内容更可靠。
这一利益关系不影响研究的方法论价值——实验设计严谨、代码开源（GitHub），但在解读结论时应注意这一背景。
References
sources/chroma-context-rot.md