近日，字节跳动旗下Seed团队发布的最新研究论文，揭示了大语言模型在处理超长文本时出现性能波动的技术原因，直接点明了DeepSeek“抽风”的核心成因。该研究评估了基础版和后训练版的DeepSeek-V4-Flash和DeepSeek-V4-Pro，以及训练后的DeepSeek-V4.1-Flash。研究发现，模型采用分块KV缓存压缩虽能减少内存成本，但引入了“相位敏感性”这一新变量，导致模型在长上下文推理中出现周期性的性能漂移。所谓分块KV缓存压缩，是指模型以固定步幅将连续标记（Token）的窗口压缩为更少的缓存条目，从而减少长上下文推理时的内存和注意力成本。据IT之家报道，这种压缩方法引入