PA真人比赛数据研究组为什么“窗口更长”不能解决问题
常有人以为，只要模型上下文窗口够大，就能把整局录像一口气读完。可以算一笔示意账：一局 40 分钟的比赛，按每秒抽取一帧，就是 2400 张画面；再叠加每个 tick 的 Telemetry、几十分钟的队伍语音转写，即使做了压缩，也是相当大的输入。就算能装下，模型在超长输入里也常常出现“中间丢失”一类的现象，对开头与结尾记得清，中间反而模糊。更长的窗口只是减轻了容量问题，并没有解决“该记什么”。
更关键的是，比赛里绝大多数内容并不重要。走位、换弹、空转，占了时间的大头，而真正影响结果的，可能只有几十个事件。所以长上下文的目标不是把一切都留下，而是把“重要的”以可查询的形式留下。这个判断与 关键事件检测 是同一类问题，也是长上下文处理的入口。
事件时间线：把录像变成可以翻页的账本
第一步是把原始信号转成结构化的事件时间线。每条事件包含时间戳、参与者、位置、事件类型，以及当时的关键状态，例如经济、人数、目标归属。“第 12 分 40 秒，A 组从中路转向侧翼，对方视野丢失”这样的一行，远比几百帧画面容易保存和比较。PA真人平台把事件时间线作为长上下文的骨架，画面和语音则退居为需要时调取的证据。
时间线的好处是天然按时间排序，可以做区间查询，比如“第 10 到 15 分钟里所有资源变化”；也能按类型、选手、地图区域过滤。它相当于给模型一本账本，而不是一堆散页。前提是事件抽取本身足够准确，否则账本上写错的每一条，都会成为后续推理的地基。
分层摘要：从一句话到一分钟，再到一整局
有了事件时间线，还需要不同粒度的摘要。一个常见的层次是：最底层是逐事件记录；往上是“回合摘要”或“一波团战摘要”，说明起因、过程、结果；再往上是阶段摘要，比如前期节奏、中期资源争夺；最顶层是整局概述。回答“这局输在哪”时，从顶层开始，遇到需要细节的地方再向下钻取，而不是一次读完全部，PA真人的复盘流程就是这样逐层下钻的。
分层摘要的坑在于层与层之间的误差会累积。假设某个回合摘要把“被抓单”写成了“团战失利”，阶段摘要就会顺着这条错误结论继续概括。因此摘要要保留指向下一层的引用（时间戳或事件编号），必要时能回溯核对。可以把摘要当作索引，而不是真相本身。
检索式记忆：需要什么，才取什么
当用户问“这名选手前三局在这个点位上死过几次”“这次转点和上一局有什么相似”，模型并不需要把所有历史放进窗口，而是用检索取回最相关的几条事件与摘要。检索可以基于时间、地图区域、事件类型这样的结构化条件，也可以基于向量相似度，找出“形状相似”的片段，例如同一种被抓单的模式。
| 检索方式 | 适合的问题 | 可能出错的地方 |
|---|---|---|
| 结构化过滤 | 某时间段、某位置、某类事件的统计 | 事件抽取有漏，统计就偏低 |
| 向量相似 | 找相似的局面或失误模式 | 相似度高不等于原因相同，不同补丁版本可能失效 |
| 时间邻近 | 还原某个事件的前因后果 | 窗口太窄看不到远因，太宽则引入噪声 |
检索也有覆盖问题：如果查得太窄，会漏掉真正的远因，比如死亡的原因在 30 秒前；查得太宽，又会把无关事件混进来。常见的处理方式是先取最近的事件，再沿着因果线索向前扩展，而不是简单取前后固定时长。相关做法在 死亡前 30 秒的复盘 里也有体现。
遗忘与压缩：忘什么，比记什么更重要
任何长期记忆都需要遗忘策略。一个直接的原则是：状态发生转折的事件优先保留，如目标被拿下、经济反超、阵型崩溃；重复且低信息的事件合并为统计量，比如“这一分钟内共 6 次小规模交火”；较老的细节降级为摘要。对个人长期数据也一样，近期的表现保留细节，早期的只保留趋势。
压缩的同时要标记不确定性。对没有把握的信息，摘要里应该写“可能”“未核实”，而不是直接抹平。PA真人在设计中把“摘要”和“证据”分开存放，回答问题时同时给出证据的时间戳，这样即使摘要有偏差，用户也能回头核对。
幻觉风险：长上下文里最容易出的错
长上下文场景里的幻觉，往往不是凭空编造，而是“合理但没有发生”：模型记得某位选手常在某点位防守，就推断这一局也守在那里；模型知道这类阵容通常压制对手，就宣称这一波是压制。这是把统计规律当作了当前事实。应对办法主要有三条：让每一条结论必须引用具体事件或时间戳；对没有证据的部分明确标为“推测”；在输出前做一次与事件时间线的一致性检查，发现矛盾就退回“无法确定”。
