Qwen2.5-72B做长文档总结时，怎么调prompt才能避免漏掉关键数据？

20页PDF直接塞进去确实容易漏中间数据，我之前也踩过这坑。后来改成先让模型按章节切块，每块单独提取指标，最后再汇总，稳定多了。另外prompt里最好指定输出格式，比如“每个指标必须带原文页码和数值”，不然它老爱总结成空话。Qwen2.5-72B本身能力够，但长上下文里确实会丢细节，分步做比硬调prompt管用。

我之前也踩过类似的坑，Qwen2.5-72B做财报摘要确实容易出现“数字蒸发”的情况，尤其是文档中间段落。我的经验是别指望一个prompt搞定所有事，分两步走会稳很多：第一步先让模型按章节或段落输出结构化提纲，明确要求“每段必须包含所有出现的数值及其单位”，第二步再基于提纲做汇总提炼，这样漏数据的概率会低不少。关于上下文窗口，20页PDF大概一两万字，72B的窗口其实够用，但模型确实有“中间遗忘”的倾向，你可以把最关键的要求（比如“必须保留所有百分比和金额”）在prompt开头和结尾各放一次，重复强调比只写一遍有效。另外建议你在prompt里给个输出模板，比如固定列成“指标名称 | 数值 | 同比变化 | 来源段落”，模型有了明确格式约束后，提取具体数字的积极性会明显提高。还有个小技巧是让它先复述原文中所有带数字的句子再归纳，相当于强制它扫一遍数据点。你提到分步处理的方向是对的，可以试试“先逐段抽取→再合并去重→最后按你关心的维度排序”这个流程，比单轮长prompt稳定得多。

20页PDF直接塞进去确实容易丢中间信息，我试过类似场景，Qwen2.5-72B对长上下文的中段注意力会明显衰减，尤其财报这种数字密集的文档。你说的分步处理思路是对的，但不用真让模型逐段识别再提取，那样太慢也容易串行出错。我一般会先让它按章节切分并输出每节的标题和页码范围，然后对每个章节单独跑一次“只提取数字指标”的prompt，最后再合并。prompt里加一句“如果原文没有明确数字，写‘未提及’而不是推测”能减少它编造或模糊化。另外财报里的表格建议单独拎出来，别指望模型从纯文本里还原表格结构，转成markdown表格再喂效果会稳很多。还有个小技巧：在prompt末尾附一个你期望的输出模板，比如“指标名称 | 数值 | 同比变化 | 原文出处段落”，模型会照着填，漏项概率下降明显。上下文窗口方面，72B官方标称128K但实际有效注意力也就前30%和后30%比较靠谱，中间部分真得靠分段来兜底。

我也遇到过类似问题，后来发现把“提取所有数字”这种指令拆成两步会稳很多：先让它逐段输出原文里的财务句子，再单独做一轮提取和归纳，漏数的情况明显少了。另外20页PDF建议别一股脑塞进去，按章节切块加个简单索引，比指望模型自己记住中间部分靠谱。你试过分段提取后再汇总吗？