研究应用 🇷🇺 03.08.2026 12:01

将提示词复制两遍:我测试了“+76%”技巧,发现了真相

Google/DeepMindGoogle/DeepMind
一个流行的生活小技巧宣称,将提示词复制给大语言模型(LLM)可使准确率提升76%。通过对多个Gemini模型进行3360次查询的测试,我发现效果确实存在但范围有限:它只修复了非推理模型在处理长列表时的特定失败,而非普遍提升智能。著名的+76%仅是一次压力测试的结果,而现代推理模型对此技巧免疫。
作者测试了一种病毒式传播的提示词重复技巧,该方法参考了Google Research预印本《提示词重复提升非推理大模型》的做法。原文中,重复提示词在70项对比中有47项帮助了非推理模型,而+76%的效果来自对Gemini 2.0 Flash-Lite的一次压力测试,该模型此后已停用。作者自行进行了实验:3360次查询,花费1.48美元,分别在gemini-2.5-flash-lite(关闭推理)和gemini-3.5-flash-lite(思考程度设为最低和最高)上进行。在压力测试集(NameIndex和MiddleMatch任务)上,重复提示词使2.5模型的准确率提高了+38.8个百分点,复现了原始效果,但在日常任务上无影响。添加第三份副本仅额外增加+5个百分点,而添加诸如“重复:”之类的标记则毫无差别。在3.5模型上,当思考程度设为最低时,该效果依然存在(+36.3个百分点),但当思考程度设为最高时,两种提示词下的准确率均已达到100%。该技巧还稳定了原本不确定的模型。然而,作者指出,该技巧仅修复了长列表上的注意力失误,而非算术或其他推理缺陷,并建议谨慎对待:结果仅限于特定模型ID和日期,且数据集为自制。
来源: Habr — хаб ИИ — 原文
我们之前关于此话题的帖子 ↓
最新新闻