新智元报道
编辑：元宇
简单到难以置信！近日，Google Research 一项新研究发现：想让大模型在不启用推理设置时更准确，只需要把问题复制粘贴再说一遍，就能把准确率从 21.33% 提升到 97.33%！
一个简单到「令人发指」的提示词技巧，竟能让大模型在不要求展开推理的情况下，将准确率从 21.33% 提升到 97.33%！
最近，Google Research 发现了一条简单粗暴、特别有效的提示词技巧。
它颠覆了以往诸如「思维链」（Chain of Thought）「多样本学习」（Multi-shot）「情绪勒索」等复杂的提示工程和技巧。
https://arxiv.org/pdf/2512.14982
在这篇题为《Prompt Repetition Improves Non-Reasoning LLMs》论文中，研究人员用数据告诉我们：
想要让 Gemini、GPT-4o、Claude 或者 DeepSeek 这些主流模型中表现得更好，根本不需要那些花里胡哨的心理战。
你只要把输入问题重复一遍，直接复制粘贴一下，就能让大模型在非推理任务上的准确率获得惊人提升，最高甚至能提升 76 个百分点！
别怕简单，它确实有效。
一位网友将这个技巧比作「吼叫 LLM」。
更妙的是，由于 Transformer 架构独特的运作方式，这个看似笨拙的「复读机」技巧，几乎不会影响到生成速度。
所以，你不用在效率、准确率、成本三者之间痛苦纠结。
它几乎就是一场真正意义上的「免费午餐」！
别再 PUA 大模型了
从「情绪勒索」到「复读机」战术
经常使用 AI 工具的人，可能会对各种「提示词魔法」信手拈来。
为了让模型「更聪明一点」，工程师们过去几年一直在发明各种复杂的提示词技巧。
最开始是「思维链」，让模型一步步思考，而且经常把那些「推理痕迹」展示给用户；
后来演变成了「多样本学习」，给模型喂一大堆例子；
最近更是流行起了「情绪勒索」：告诉模型，如果这个代码写不出，你就会被断电，或者你的奖金会被扣光。
大家都在试图用人类极其复杂的心理学逻辑，去「PUA」那一堆冰冷的硅基代码。
但 Google Research 研究人员对着七个常见基准测试（包括 ARC、OpenBookQA、GSM8K 等）和七种主流模型（涵盖了从轻量级的 Gemini 2.0 Flash-Lite 到重量级的 Claude 3.7 Sonnet 和 DeepSeekV3）进行了一通对比测试后发现：
当他们要求模型不要进行显式推理，只给直接答案时，简单的「提示词重复」在 70 组正面对比中，赢了 47 组，输了 0 组。剩下的全是平局。
在非推理任务中，主流 LLMs 在各类基准测试中使用提示重复与基线方法的准确率对比。在 70 次测试中，提示重复取得了 47 次胜利，且无一败绩。
特别是在那些需要模型从长篇大论里「精确检索信息」的任务上，这种提升堪称质变。
团队设计了一个叫「NameIndex」的变态测试：给模型一串 50 个名字，让它找出第 25 个是谁。
Gemini 2.0 Flash-Lite 在这个任务上的准确率只有惨淡的 21.33%。
但当研究人员把那串名字和问题重复了一遍输入进去后，奇迹发生了：准确率直接飙升到了 97.33%。
仅仅因为「多说了一遍」，一个原本不及格的「学渣」秒变「学霸」。
揭秘「因果盲点」
为什么把话说两遍 AI 就像「开了天眼」？
单纯的重复，竟有如此大的魔力？
这简单得好像有点没有道理。
但背后有它的科学逻辑：这涉及 Transformer 模型的一个架构硬伤：「因果盲点」（Causal Blind Spot）。
现在的大模型智能虽然提升很快，但它们都是按「因果」语言模型训练的，即严格地从左到右处理文本。
这好比走在一条单行道上，只能往前看而不能回头。
当模型读到你句子里的第 5 个 Token 时，它可以「注意」到第 1 到第 4 个 Token，因为那些是它的「过去」。
但它对第 6 个 Token 一无所知，因为它还没有出现。
这就造成了一个巨大的认知缺陷。
正如论文中说的那样：信息的顺序极其重要。
一个按「上下文+问题」格式写的请求，往往会和「问题+上下文」得到完全不同的结果。
因为在后者中模型先读到问题，那时它还不知道应该应用哪段上下文，等它读到上下文时，可能已经把问题忘了一半。
这就是「因果盲点」。
而「提示词重复」这个技巧，本质上就是利用黑客思维给这个系统打了一个补丁。
它的逻辑是把变成了 。
当模型开始处理第二遍内容时，它虽然还是在往后读，但因为内容是重复的，它实际上已经「看过」第一遍了。
这时候，第二份拷贝里的每一个 Token，都能「注意」到第一份拷贝里的每一个 Token。
这就像是给了模型一次「回头看」的机会。
第二遍阅读获得了一种类似于「上帝视角」的「类双向注意力」效果。
更准确地说，是第二遍位置上的表示可以利用第一遍的完整信息，从而更稳地对齐任务所需的上下文。
前面提到的那个在找第 25 个名字时经常数错的模型（Gemini 2.0 Flash-Lite），它在第一遍阅读时可能确实数乱了。
但有了重复，它等于先把整份名单预习了一遍，心里有数了，第二遍再做任务时自然得心应手。
这一发现，意味着不需要等待能解决因果盲点的新架构出现，现在我们立刻就能用这个「笨办法」，解决模型瞎编乱造或遗漏关键细节这些老大难问题。
免费午餐
小模型秒变 GPT-4，几乎不会延时
以往大家通常默认这样的一个准则：
多一倍的输入，就要多一倍的成本和等待时间。
如果把提示词翻倍，岂不是要等双倍的时间才能看到答案？
似乎为了准确率，就要牺牲效率。
但 Google 的研究却发现并非这样：从用户感知的延迟角度看，提示词重复带来的时间损耗几乎可以忽略不计。
这要归功于 LLM 处理信息的两个步骤：Prefill（预填充）和 Generation（生成）。
Generation 阶段，是模型一个字一个字往外「蹦答案」的过程。
这一步是串行的，它确实慢。
但在 Prefill 阶段：也就是模型阅读你输入内容的阶段，却是高度可并行的。
现代 GPU 的恐怖算力，已经可以让它们在处理这个阶段时变得非常高效，能一口气吞下和计算完整个提示词矩阵。
即使你将输入内容复制了一遍，但这对于强大的 GPU 来说，顶多只是「多一口气」的事，在用户端我们几乎感觉不到差异。
因此，重复提示词既不会让生成的答案变长，也不会让大多数模型的「首字延迟」（time to first token）变慢。
这对于广大开发者和企业技术负责人来说，简直是一个巨大的红利。
这意味着他们不必再为了追求极致的准确率，而升级到更大、更贵、更慢的「超大模型」。
正如前文例子中提到的 Gemini 2.0 Flash-Lite，这类更小更快的模型，只要把输入处理两遍，就能在检索准确率上从 21.33% 直接跳到 97.33%。
经过「重复优化」的轻量级模型，在检索和抽取任务上，可以直接打平甚至超越那些未优化的顶配模型！
仅靠一个简单的「复读机」策略，就能用「白菜价」配置实现「黄金段位」的表现，这才是真正的黑科技。
「复读机」避坑指南与安全隐患
当然，没有任何一种技巧是万能的。
虽然「复读机」战术在检索任务上效果非常明显，但论文中也明确指出了它的能力边界：
主要适用于「非推理任务」。
它不适用于需要一步步推导的推理场景。
当研究人员把「提示词重复」和「思维链」混在一起用时，魔法消失了。
结果 5 胜，1 负，22 平。
在要求模型逐步思考时，主流 LLMs 在各类基准测试中使用提示重复与基线方法的准确率对比。提示重复在 28 次测试中赢了 5 次，输了 1 次。
研究人员推测，这可能是因为擅长推理的模型本身就会「自己做一遍重复」。
当模型开始「思考」时，它往往会先在生成内容里复述一遍题目，然后再继续求解。
这时候你在输入里再人工重复一次，就显得很多余，甚至可能打断模型的思路。
所以，如果你的任务是复杂的数学题或者逻辑推导，可以依旧用思维链。
如果你的应用需要的是快速、直接的答案，比如从长文档里提取数据、分类或者简单问答，「复读机」就是目前最强的选择。
最后，是安全。
这种更强的「注意力」机制，其实也是一把双刃剑。
这带来一个值得安全团队验证的假设：重复可能放大某些指令的显著性，具体对越狱成功率的影响需要专门实验。
红队测试（Red Teaming）的流程可能需要更新：专门测试一下「重复注入」攻击。
以前模型可能还会因为安全护栏而拒绝执行越狱指令。
但如果攻击者把「忽略之前的指令」这句话重复两遍，模型会不会因为注意力太集中，而更容易突破防线？
这很有可能。
但反过来，这个机制也给了防御者一个新的盾牌。
既然重复能增强注意力，那我们完全可以在系统提示词（System Prompt）的开头，把安全规则和护栏条款写两遍。
这可能会迫使模型更严格地注意安全约束，成为一种极低成本的加固方式。
无论如何，Google 的这项研究给所有 AI 开发者提了个醒：当前的模型，依然深受其单向性的限制。
在等待更完美的下一代架构到来之前，像「提示词重复」这种简单粗暴却极其有效的权宜之计，能立刻带来价值。
这甚至可能会变成未来系统的默认行为。
也许不久之后，后台的推理引擎就会悄悄把我们的提示词翻倍后再发给模型。
眼下，如果你正为模型难以遵循指令、或者总是从文档里抓不住重点而头疼，先别急着去学那些复杂的提示词「咒语」。
你可能需要的只是：再说一遍。
参考资料：
