大海捞针测试（Needle in a Haystack，NIAH）是评估大模型长上下文能力的经典方法：在一份几十万字的长文档中随机位置埋入一句关键信息（“针”，如“记住：暗号是紫色的河马”），然后提问，看模型能否准确召回。把“针”放在不同深度、文档长度不断加长，就能画出一张完整的长上下文能力热力图。
它测什么
- 标称上下文长度 vs 有效上下文长度：很多模型宣称 128K/1M，但实际只有前半段可靠
- 中间遗忘（Lost in the Middle）：大量实测发现模型对文档开头和结尾的信息记得牢，中间部分容易漏
局限与演进
单针测试相对简单，后来衍生出多针（埋多句还要互相关联）、聚合式（答案需要综合散落各处的线索）等更难的变体；RULER 等综合基准把“捞针”扩展成多任务长上下文评测。
实践意义
选型长文档问答、代码库分析类应用时，别只看官方标称上下文，NIAH 类实测成绩更有参考价值。