अपने प्रॉम्प्ट की नकल दो बार करना: मैंने '+76%' ट्रिक का परीक्षण किया और सच्चाई पाई

लेखक ने Google Research के एक प्रीप्रिंट (preprint, यानी बिना पीयर-रिव्यू के प्रकाशित शोध-पत्र) 'Prompt Repetition Improves Non-Reasoning LLMs' के हवाले से वायरल हुई प्रॉम्प्ट-डुप्लिकेशन ट्रिक को खुद आज़माकर परखा। मूल शोध में, प्रॉम्प्ट को दोहराने से नॉन-रीज़निंग मॉडलों को 70 में से 47 तुलनाओं में फायदा हुआ था, और +76% वाला आंकड़ा दरअसल Gemini 2.0 Flash-Lite पर किए गए एक अकेले स्ट्रेस टेस्ट से आया था, जिसे अब बंद (discontinued) किया जा चुका है। लेखक ने अपना खुद का प्रयोग किया: gemini-2.5-flash-lite (रीज़निंग बंद) और gemini-3.5-flash-lite (थिंकिंग मिनिमल और हाई मोड) पर 3360 क्वेरीज़ चलाईं, जिनकी लागत $1.48 आई। स्ट्रेस सूट (NameIndex और MiddleMatch टास्क) पर, प्रॉम्प्ट को दोहराने से 2.5 मॉडल की सटीकता में +38.8 प्रतिशत अंकों का सुधार हुआ, जिससे मूल परिणाम की पुष्टि हुई, लेकिन रोज़मर्रा के टास्कों पर इसका कोई असर नहीं दिखा। प्रॉम्प्ट की तीसरी कॉपी जोड़ने से केवल +5 प्रतिशत अंकों का अतिरिक्त सुधार हुआ, और 'Repeat:' जैसा कोई मार्कर जोड़ने से भी कोई फर्क नहीं पड़ा। 3.5 मॉडल में थिंकिंग मिनिमल मोड पर यह असर बरकरार रहा (+36.3 प्रतिशत अंक), लेकिन थिंकिंग हाई मोड में दोनों प्रॉम्प्ट पर सटीकता पहले से ही 100% थी। इस ट्रिक ने एक अन्यथा गैर-नियतात्मक (non-deterministic) मॉडल को भी स्थिर बना दिया। हालांकि, लेखक बताते हैं कि यह ट्रिक खासतौर पर लंबी सूचियों पर होने वाली ध्यान-चूक (attention lapses) को ही ठीक करती है, न कि अंकगणित या अन्य तर्क-संबंधी (reasoning) कमियों को। वे सावधानी बरतने की सलाह भी देते हैं: नतीजे विशिष्ट मॉडल आईडी और तारीखों तक सीमित हैं, और इस्तेमाल किया गया डेटासेट खुद तैयार किया गया है।