簡(jiǎn)單到難以置信！近日，Google Research一項(xiàng)新研究發(fā)現(xiàn)：想讓大模型在不啟用推理設(shè)置時(shí)更準(zhǔn)確，只需要把問題復(fù)制粘貼再說一遍，就能把準(zhǔn)確率從21.33%提升到97.33%！

一個(gè)簡(jiǎn)單到「令人發(fā)指」的提示詞技巧，竟能讓大模型在不要求展開推理的情況下，將準(zhǔn)確率從21.33%提升到97.33%！

最近，Google Research發(fā)現(xiàn)了一條簡(jiǎn)單粗暴、特別有效的提示詞技巧。

它顛覆了以往諸如「思維鏈」（Chain of Thought）「多樣本學(xué)習(xí)」（Multi-shot）「情緒勒索」等復(fù)雜的提示工程和技巧。

https://arxiv.org/pdf/2512.14982

在這篇題為《Prompt Repetition Improves Non-Reasoning LLMs》論文中，研究人員用數(shù)據(jù)告訴我們：

想要讓Gemini、GPT-4o、Claude或者DeepSeek這些主流模型中表現(xiàn)得更好，根本不需要那些花里胡哨的心理戰(zhàn)。

你只要把輸入問題重復(fù)一遍，直接復(fù)制粘貼一下，就能讓大模型在非推理任務(wù)上的準(zhǔn)確率獲得驚人提升，最高甚至能提升76個(gè)百分點(diǎn)！

別怕簡(jiǎn)單，它確實(shí)有效。

一位網(wǎng)友將這個(gè)技巧比作「吼叫LLM」。

更妙的是，由于Transformer架構(gòu)獨(dú)特的運(yùn)作方式，這個(gè)看似笨拙的「復(fù)讀機(jī)」技巧，幾乎不會(huì)影響到生成速度。

所以，你不用在效率、準(zhǔn)確率、成本三者之間痛苦糾結(jié)。

它幾乎就是一場(chǎng)真正意義上的「免費(fèi)午餐」！

別再PUA大模型了

從「情緒勒索」到「復(fù)讀機(jī)」戰(zhàn)術(shù)

經(jīng)常使用AI工具的人，可能會(huì)對(duì)各種「提示詞魔法」信手拈來。

為了讓模型「更聰明一點(diǎn)」，工程師們過去幾年一直在發(fā)明各種復(fù)雜的提示詞技巧。

最開始是「思維鏈」，讓模型一步步思考，而且經(jīng)常把那些「推理痕跡」展示給用戶；

后來演變成了「多樣本學(xué)習(xí)」，給模型喂一大堆例子；

最近更是流行起了「情緒勒索」：告訴模型，如果這個(gè)代碼寫不出，你就會(huì)被斷電，或者你的獎(jiǎng)金會(huì)被扣光。

大家都在試圖用人類極其復(fù)雜的心理學(xué)邏輯，去「PUA」那一堆冰冷的硅基代碼。

但Google Research研究人員對(duì)著七個(gè)常見基準(zhǔn)測(cè)試（包括ARC、OpenBookQA、GSM8K等）和七種主流模型（涵蓋了從輕量級(jí)的Gemini 2.0 Flash-Lite到重量級(jí)的Claude 3.7 Sonnet和DeepSeekV3）進(jìn)行了一通對(duì)比測(cè)試后發(fā)現(xiàn)：

當(dāng)他們要求模型不要進(jìn)行顯式推理，只給直接答案時(shí)，簡(jiǎn)單的「提示詞重復(fù)」在70組正面對(duì)比中，贏了47組，輸了0組。剩下的全是平局。