Context degradation क्या है और यह AI models को कैसे प्रभावित करता है?	Context degradation वह घटना है जहां अधिक context देने से AI के जवाब बदतर हो जाते हैं। LLMs को serial position effect का सामना करना पड़ता है - शुरुआत और अंत के निर्देश अच्छे से follow होते हैं, लेकिन बीच का context अनदेखा हो जाता है।
Serial position effect क्या है?	यह मनोवैज्ञानिक घटना है जहां किसी सूची के शुरुआत (primacy) और अंत (recency) के items को बेहतर याद रखा जाता है, जबकि बीच के items भूल जाते हैं।
"Lost in the Middle" research में क्या पाया गया?	Stanford के शोधकर्ताओं ने पाया कि जब महत्वपूर्ण तथ्य लंबे context के बीच में रखे जाते हैं, तो accuracy 30% से अधिक गिर जाती है।
Transformer models में serial position effect क्यों होता है?	यह structural है - Transformer attention patterns स्वाभाविक रूप से context window के किनारों को अधिक weight देते हैं।
Prompting में key instructions कहां रखने चाहिए?	सबसे महत्वपूर्ण निर्देश system prompt के शुरुआत में और context के अंत में रखने चाहिए।
Context engineering का मुख्य tension क्या है?	यह तय करना कि क्या include करें, क्या छोड़ें, और महत्वपूर्ण जानकारी को कहां रखें ताकि वह "attention dead zone" में न आए।
"More context ≠ better results" का क्या मतलब है?	अधिक context जोड़ने से अन्य जानकारी बीच में चली जाती है जहां model का ध्यान कम होता है, इसलिए सिर्फ ज्यादा context देना बेहतर नहीं है।
Context degradation से बचने के लिए क्या करना चाहिए?	महत्वपूर्ण जानकारी को शुरुआत और अंत में रखें, ruthlessly curate करें, और जो matter करता है उसे दोहराएं।
Primacy effect क्या है?	यह वह लाभ है जो सूची के शुरुआत के items को मिलता है क्योंकि उन्हें अधिक rehearse किया जाता है।
Recency effect क्या है?	यह वह लाभ है जो सूची के अंत के items को मिलता है क्योंकि वे अभी भी fresh होते हैं।