---
title: "Lost in the Middle とは？LLM の長文コンテキストの位置バイアス | BroadRouter"
description: "Lost in the Middle：LLM は長いプロンプトの冒頭と末尾にある事実はよく使えても、中間にある事実はうまく使えません。2023 年の研究が示したことと、プロンプトの並べ方を解説します。"
url: https://broadrouter.com/ja/glossary/lost-in-the-middle/
lang: ja
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

このページは英語の原文を AI の支援を受けて翻訳したものです。[英語の原文を読む](https://broadrouter.com/glossary/lost-in-the-middle/)（2026-11-14 更新）。

# Lost in the Middle（中間の情報の見落とし）

更新日 2026-11-14

Lost in the Middle とは、言語モデルが長い入力の中で、関連情報が冒頭や末尾にあるときに最もよく活用し、中間にあるときに最も活用できないという傾向です。Liu らの 2023 年の研究で名付けられました。

別名： Lost in the Middle、ロストインザミドル、中間の見落とし、長文コンテキストの位置バイアス、U 字型の性能、lost-in-the-middle effect、middle-of-context problem、long-context position bias、U-shaped context performance

長いプロンプトの中間に答えを置くと、多くのモデルは冒頭や末尾に置いた場合より、それを見落としやすくなります。

## 仕組み

Liu ら（2023）は、2 つのタスクでモデルをテストしました。複数文書の質問応答では、モデルは質問と検索で得た複数の文書を受け取り、答えを含むのはそのうち 1 つだけです。キー・バリュー検索では、長いペアのリストから 1 つの値を探します。研究者は、関連する項目の位置を変えて試しました。

結果は次のとおりです。性能は “is often highest when relevant information occurs at the beginning or end of the input context, and significantly degrades when models must access relevant information in the middle of long contexts, even for explicitly long-context models.”（訳：関連情報が入力コンテキストの冒頭か末尾にあるときに最も高くなることが多く、長いコンテキストの中間にある関連情報を使わなければならないときには大きく低下する。明示的に長いコンテキスト向けのモデルでも同様である）。位置ごとにプロットすると、精度は U 字型になります。

実務上の読み方は単純です。長い[コンテキストウィンドウ](https://broadrouter.com/ja/glossary/context-window/)はモデルが受け付ける量を示すだけで、それを均等に使えるかどうかは示しません。

## なぜ重要か

-   **RAG での並べ方。** [検索拡張生成](https://broadrouter.com/ja/glossary/rag/)では、検索器が段落を順位付けします。最良の段落を 20 個の中間に置けば、順位付けが無駄になります。先頭に置くか、先頭と末尾の両方に置いてください。
-   **長い文書。** 80 ページの 40 ページ目にある条項について聞くのは、1 ページ目について聞くより難しくなります。モデルに該当の節を示すか、先に抜き出してください。
-   **エージェント。** 長い[エージェント](https://broadrouter.com/ja/glossary/agent/)の履歴では、初期の指示と最新のターンには注意が向きますが、実行途中のツール出力は最も活用されにくい部分です。

Lost in the Middle は、[コンテキストの劣化（context rot）](https://broadrouter.com/ja/glossary/context-rot/)と呼ばれる、より広い現象の一部です。こちらは位置だけでなく、長さや紛らわしい情報によっても精度が下がる現象です。

## BroadNet Inference の場合

BroadNet の DeepSeek V4.1 Flash と GLM 5.3 は、1 リクエストあたり最大 1,048,576 トークンを受け付けます。中間が長くなる分、位置はむしろ重要になります。位置の効果と[キャッシュ入力](https://broadrouter.com/ja/glossary/cached-input-tokens/)の両方に合う構成は次のとおりです。

```text
[stable system prompt and instructions]  -> cached prefix
[documents, best-ranked first]
[the question, restated in full]         -> end of prompt
```

[100 万トークンのコンテキストガイド](https://broadrouter.com/ja/blog/million-token-context-window-guide/)と[キャッシュのためのプロンプト構成](https://broadrouter.com/ja/blog/prompt-structure-for-caching/)で、さらに詳しく解説しています。

## よくある質問

### 新しい長文コンテキストのモデルでも Lost in the Middle は起きますか？

元の研究では、長いコンテキスト向けに作られたモデルでも低下が見られました。Chroma の 2025 年の context rot レポートなど後の研究でも、長さとともに精度が下がることが確認されています。自分のモデルとプロンプトの構成でテストしてください。

### 最も重要な文書はプロンプトのどこに置くべきですか？

冒頭か末尾の近くです。中間に埋もれさせないでください。RAG では、最上位の段落を先頭に置き、文書の後で質問をもう一度書いてください。

### プロンプトキャッシュと相反しませんか？

相反することがあります。キャッシュは安定したプレフィックスを好み、位置の効果は最も関連する文章を両端に置くことを好みます。安定した指示を先頭に、質問と重要な段落を末尾に置いてください。

## 関連項目

-   [コンテキストウィンドウ（context window）](https://broadrouter.com/ja/glossary/context-window/)（用語）
-   [コンテキストの劣化（context rot）](https://broadrouter.com/ja/glossary/context-rot/)（用語）
-   [RAG（検索拡張生成）](https://broadrouter.com/ja/glossary/rag/)（用語）
-   [システムプロンプト（system prompt）](https://broadrouter.com/ja/glossary/system-prompt/)（用語）
-   [キャッシュ入力トークン（cached input tokens）](https://broadrouter.com/ja/glossary/cached-input-tokens/)（用語）
-   [100 万トークンのコンテキストウィンドウが役立つとき（役立たないとき）](https://broadrouter.com/ja/blog/million-token-context-window-guide/)（記事）
-   [ロングコンテキストか RAG か：100 万トークンがベクトル DB に代わるとき](https://broadrouter.com/ja/blog/long-context-vs-rag/)（記事）
-   [プレフィックスがキャッシュされるプロンプトの組み立て方](https://broadrouter.com/ja/blog/prompt-structure-for-caching/)（記事）

実際のワークロードで試してください。新規アカウントには US$5 の初回クレジットがあり、Gemma、文字起こし に使えます。DeepSeek、GLM、Qwen3.8 はチャージが必要です。

[始める](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-glossary-lost-in-the-middle&utm_content=page-cta) ·

**出典**

-   [Liu ほか、Lost in the Middle: How Language Models Use Long Contexts（arXiv）](https://arxiv.org/abs/2307.03172)
-   [Hong、Troynikov、Huber、Context Rot（Chroma テクニカルレポート、2025）](https://www.trychroma.com/research/context-rot)
-   [BroadNet Inference API リファレンス、モデル ID とコンテキスト（英語）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-glossary-lost-in-the-middle&utm_content=sources#models)
