Buchumschlag

Context Discipline and Performance Correlation: Analyzing LLM Performance and Quality Degradation Under Varying Context Lengths

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ponnusamy, Ahilan Ayyachamy Nadar, Chandran, Karthic, Hossain, M Maruf
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Application Modernization with LLMs: Addressing Core Challenges in Reliability, Security, and Quality
von: Ponnusamy, Ahilan Ayyachamy Nadar
Veröffentlicht: (2025)

Bridging LLM-Generated Code and Requirements: Reverse Generation technique and SBC Metric for Developer Insights
von: Ponnusamy, Ahilan Ayyachamy Nadar
Veröffentlicht: (2025)

Understanding LLM Performance Degradation in Multi-Instance Processing: The Roles of Instance Count and Context Length
von: Chen, Jingxuan, et al.
Veröffentlicht: (2026)

Context Length Alone Hurts LLM Performance Despite Perfect Retrieval
von: Du, Yufeng, et al.
Veröffentlicht: (2025)

LLM-ProS: Analyzing Large Language Models' Performance in Competitive Problem Solving
von: Hossain, Md Sifat, et al.
Veröffentlicht: (2025)

Correlation-Aware Select and Merge Attention for Efficient Fine-Tuning and Context Length Extension
von: Wang, Ning, et al.
Veröffentlicht: (2024)

Classifier Context Rot: Monitor Performance Degrades with Context Length
von: Martin, Sam, et al.
Veröffentlicht: (2026)

Less Context, Same Performance: A RAG Framework for Resource-Efficient LLM-Based Clinical NLP
von: Cheetirala, Satya Narayana, et al.
Veröffentlicht: (2025)

Can an LLM Induce a Graph? Investigating Memory Drift and Context Length
von: Yousuf, Raquib Bin, et al.
Veröffentlicht: (2025)

How Do LLMs Perform Two-Hop Reasoning in Context?
von: Guo, Tianyu, et al.
Veröffentlicht: (2025)

Context Engineering for Trustworthiness: Rescorla Wagner Steering Under Mixed and Inappropriate Contexts
von: Wang, Rushi, et al.
Veröffentlicht: (2025)

SagaScale: A Realistic, Scalable, and High-Quality Long-Context Benchmark Built from Full-Length Novels
von: Du, Guancheng, et al.
Veröffentlicht: (2025)

AutoContext: Instance-Level Context Learning for LLM Agents
von: Cai, Kuntai, et al.
Veröffentlicht: (2025)

Recurrent Context Compression: Efficiently Expanding the Context Window of LLM
von: Huang, Chensen, et al.
Veröffentlicht: (2024)

The Text Uncanny Valley: Non-Monotonic Performance Degradation in LLM Information Retrieval
von: Tong, Zekai, et al.
Veröffentlicht: (2026)

Less Is More: Elevating RAG via Performance-Driven Context Compression
von: Cui, Ziqiang, et al.
Veröffentlicht: (2025)

Comparing LLM and Fine-Tuned Model Performance on NVDRS Circumstance Extraction with Varying Prompt Complexity
von: Martin, Geoffrey, et al.
Veröffentlicht: (2026)

OWL: Overcoming Window Length-Dependence in Speculative Decoding for Long-Context Inputs
von: Lee, Jaeseong, et al.
Veröffentlicht: (2025)

Resonance RoPE: Improving Context Length Generalization of Large Language Models
von: Wang, Suyuchen, et al.
Veröffentlicht: (2024)

Predicting Task Performance with Context-aware Scaling Laws
von: Montgomery, Kyle, et al.
Veröffentlicht: (2025)

Sentinel: Decoding Context Utilization via Attention Probing for Efficient LLM Context Compression
von: Zhang, Yong, et al.
Veröffentlicht: (2025)

InftyThink: Breaking the Length Limits of Long-Context Reasoning in Large Language Models
von: Yan, Yuchen, et al.
Veröffentlicht: (2025)

Efficient Length-Generalizable Attention via Causal Retrieval for Long-Context Language Modeling
von: Hu, Xiang, et al.
Veröffentlicht: (2024)

Beyond Length: Context-Aware Expansion and Independence as Developmentally Sensitive Evaluation in Child Utterances
von: Chun, Jiyun, et al.
Veröffentlicht: (2026)

Query Disambiguation via Answer-Free Context: Doubling Performance on Humanity's Last Exam
von: Majurski, Michael, et al.
Veröffentlicht: (2026)

Make Your LLM Fully Utilize the Context
von: An, Shengnan, et al.
Veröffentlicht: (2024)

An Empirical Study on Context Length for Open-Domain Dialog Generation
von: Shen, Xinyi, et al.
Veröffentlicht: (2024)

Context Engineering 2.0: The Context of Context Engineering
von: Hua, Qishuo, et al.
Veröffentlicht: (2025)

UltraLLaDA: Scaling the Context Length to 128K for Diffusion Large Language Models
von: He, Guangxin, et al.
Veröffentlicht: (2025)

LongSkywork: A Training Recipe for Efficiently Extending Context Length in Large Language Models
von: Zhao, Liang, et al.
Veröffentlicht: (2024)

SIFT: Grounding LLM Reasoning in Contexts via Stickers
von: Zeng, Zihao, et al.
Veröffentlicht: (2025)

Optimizing In-Context Demonstrations for LLM-based Automated Grading
von: Chu, Yucheng, et al.
Veröffentlicht: (2026)

LLM-Human Pipeline for Cultural Context Grounding of Conversations
von: Pujari, Rajkumar, et al.
Veröffentlicht: (2024)

Evaluating Zero-Shot Long-Context LLM Compression
von: Wang, Chenyu, et al.
Veröffentlicht: (2024)

Evaluation of Language Models in the Medical Context Under Resource-Constrained Settings
von: Posada, Andrea, et al.
Veröffentlicht: (2024)

Towards a Holistic and Automated Evaluation Framework for Multi-Level Comprehension of LLMs in Book-Length Contexts
von: Deng, Jiaqi, et al.
Veröffentlicht: (2025)

Context Volume Drives Performance: Tackling Domain Shift in Extremely Low-Resource Translation via RAG
von: Setiawan, David Samuel, et al.
Veröffentlicht: (2026)

PEEK: Context Map as an Orientation Cache for Long-Context LLM Agents
von: Gu, Zhuohan, et al.
Veröffentlicht: (2026)

In-Context Learning in Speech Language Models: Analyzing the Role of Acoustic Features, Linguistic Structure, and Induction Heads
von: Pouw, Charlotte, et al.
Veröffentlicht: (2026)

ACON: Optimizing Context Compression for Long-horizon LLM Agents
von: Kang, Minki, et al.
Veröffentlicht: (2025)