Gemini準確率從21%飆到97%！谷歌只用了這一招：復制粘貼

新智元報道

編輯：元宇

【新智元導讀】簡單到難以置信！近日，Google Research一項新研究發現：想讓大模型在不啟用推理設置時更準確，只需要把問題復制粘貼再說一遍，就能把準確率從21.33%提升到97.33%！

一個簡單到「令人發指」的提示詞技巧，竟能讓大模型在不要求展開推理的情況下，將準確率從21.33%提升到97.33%！

最近，Google Research發現了一條簡單粗暴、特別有效的提示詞技巧。

它顛覆了以往諸如「思維鏈」（Chain of Thought）「多樣本學習」（Multi-shot）「情緒勒索」等復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，研究人員用數據告訴我們：

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

你只要把輸入問題重復一遍，直接復制粘貼一下，就能讓大模型在非推理任務上的準確率獲得驚人提升，最高甚至能提升76個百分點！

別怕簡單，它確實有效。

一位網友將這個技巧比作「吼叫LLM」。

更妙的是，由于Transformer架構獨特的運作方式，這個看似笨拙的「復讀機」技巧，幾乎不會影響到生成速度。

所以，你不用在效率、準確率、成本三者之間痛苦糾結。

它幾乎就是一場真正意義上的「免費午餐」！

別再PUA大模型了

從「情緒勒索」到「復讀機」戰術

經常使用AI工具的人，可能會對各種「提示詞魔法」信手拈來。

為了讓模型「更聰明一點」，工程師們過去幾年一直在發明各種復雜的提示詞技巧。

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

后來演變成了「多樣本學習」，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，如果這個代碼寫不出，你就會被斷電，或者你的獎金會被扣光。

大家都在試圖用人類極其復雜的心理學邏輯，去「PUA」那一堆冰冷的硅基代碼。

但Google Research研究人員對著七個常見基準測試（包括ARC、OpenBookQA、GSM8K等）和七種主流模型（涵蓋了從輕量級的Gemini 2.0 Flash-Lite到重量級的Claude 3.7 Sonnet和DeepSeekV3）進行了一通對比測試后發現：

當他們要求模型不要進行顯式推理，只給直接答案時，簡單的「提示詞重復」在70組正面對比中，贏了47組，輸了0組。剩下的全是平局。

在非推理任務中，主流LLMs在各類基準測試中使用提示重復與基線方法的準確率對比。在70次測試中，提示重復取得了47次勝利，且無一敗績。

特別是在那些需要模型從長篇大論里「精確檢索信息」的任務上，這種提升堪稱質變。

團隊設計了一個叫「NameIndex」的變態測試：給模型一串50個名字，讓它找出第25個是誰。

Gemini 2.0 Flash-Lite在這個任務上的準確率只有慘淡的21.33%。

但當研究人員把那串名字和問題重復了一遍輸入進去后，奇跡發生了：準確率直接飆升到了97.33%。

僅僅因為「多說了一遍」，一個原本不及格的「學渣」秒變「學霸」。

揭秘「因果盲點」

為什么把話說兩遍AI就像「開了天眼」？

單純的重復，竟有如此大的魔力？

這簡單得好像有點沒有道理。

但背后有它的科學邏輯：這涉及Transformer模型的一個架構硬傷：「因果盲點」（Causal Blind Spot）。

現在的大模型智能雖然提升很快，但它們都是按「因果」語言模型訓練的，即嚴格地從左到右處理文本。

這好比走在一條單行道上，只能往前看而不能回頭。

當模型讀到你句子里的第5個Token時，它可以「注意」到第1到第4個Token，因為那些是它的「過去」。

但它對第6個Token一無所知，因為它還沒有出現。

這就造成了一個巨大的認知缺陷。

正如論文中說的那樣：信息的順序極其重要。

一個按「上下文+問題」格式寫的請求，往往會和「問題+上下文」得到完全不同的結果。

因為在后者中模型先讀到問題，那時它還不知道應該應用哪段上下文，等它讀到上下文時，可能已經把問題忘了一半。

這就是「因果盲點」。

而「提示詞重復」這個技巧，本質上就是利用黑客思維給這個系統打了一個補丁。

它的邏輯是把 變成了 。

當模型開始處理第二遍內容時，它雖然還是在往后讀，但因為內容是重復的，它實際上已經「看過」第一遍了。

這時候，第二份拷貝里的每一個Token，都能「注意」到第一份拷貝里的每一個Token。

這就像是給了模型一次「回頭看」的機會。

第二遍閱讀獲得了一種類似于「上帝視角」的「類雙向注意力」效果。

更準確地說，是第二遍位置上的表示可以利用第一遍的完整信息，從而更穩地對齊任務所需的上下文。

前面提到的那個在找第25個名字時經常數錯的模型（Gemini 2.0 Flash-Lite），它在第一遍閱讀時可能確實數亂了。

但有了重復，它等于先把整份名單預習了一遍，心里有數了，第二遍再做任務時自然得心應手。

這一發現，意味著不需要等待能解決因果盲點的新架構出現，現在我們立刻就能用這個「笨辦法」，解決模型瞎編亂造或遺漏關鍵細節這些老大難問題。

免費午餐

小模型秒變GPT-4，幾乎不會延時

以往大家通常默認這樣的一個準則：

多一倍的輸入，就要多一倍的成本和等待時間。

如果把提示詞翻倍，豈不是要等雙倍的時間才能看到答案？

似乎為了準確率，就要犧牲效率。

但Google的研究卻發現并非這樣：從用戶感知的延遲角度看，提示詞重復帶來的時間損耗幾乎可以忽略不計。

這要歸功于LLM處理信息的兩個步驟：Prefill（預填充）和Generation（生成）。

Generation階段，是模型一個字一個字往外「蹦答案」的過程。

這一步是串行的，它確實慢。

但在Prefill階段：也就是模型閱讀你輸入內容的階段，卻是高度可并行的。

現代GPU的恐怖算力，已經可以讓它們在處理這個階段時變得非常高效，能一口氣吞下和計算完整個提示詞矩陣。

即使你將輸入內容復制了一遍，但這對于強大的GPU來說，頂多只是「多一口氣」的事，在用戶端我們幾乎感覺不到差異。

因此，重復提示詞既不會讓生成的答案變長，也不會讓大多數模型的「首字延遲」（time to first token）變慢。

這對于廣大開發者和企業技術負責人來說，簡直是一個巨大的紅利。

這意味著他們不必再為了追求極致的準確率，而升級到更大、更貴、更慢的「超大模型」。

正如前文例子中提到的Gemini 2.0 Flash-Lite，這類更小更快的模型，只要把輸入處理兩遍，就能在檢索準確率上從21.33%直接跳到97.33%。

經過「重復優化」的輕量級模型，在檢索和抽取任務上，可以直接打平甚至超越那些未優化的頂配模型！

僅靠一個簡單的「復讀機」策略，就能用「白菜價」配置實現「黃金段位」的表現，這才是真正的黑科技。

「復讀機」避坑指南與安全隱患

當然，沒有任何一種技巧是萬能的。

雖然「復讀機」戰術在檢索任務上效果非常明顯，但論文中也明確指出了它的能力邊界：

主要適用于「非推理任務」。

它不適用于需要一步步推導的推理場景。

當研究人員把「提示詞重復」和「思維鏈」混在一起用時，魔法消失了。

結果5勝，1負，22平。

在要求模型逐步思考時，主流LLMs在各類基準測試中使用提示重復與基線方法的準確率對比。提示重復在28次測試中贏了5次，輸了1次。

研究人員推測，這可能是因為擅長推理的模型本身就會「自己做一遍重復」。

當模型開始「思考」時，它往往會先在生成內容里復述一遍題目，然后再繼續求解。

這時候你在輸入里再人工重復一次，就顯得很多余，甚至可能打斷模型的思路。

所以，如果你的任務是復雜的數學題或者邏輯推導，可以依舊用思維鏈。

如果你的應用需要的是快速、直接的答案，比如從長文檔里提取數據、分類或者簡單問答，「復讀機」就是目前最強的選擇。

最后，是安全。

這種更強的「注意力」機制，其實也是一把雙刃劍。

這帶來一個值得安全團隊驗證的假設：重復可能放大某些指令的顯著性，具體對越獄成功率的影響需要專門實驗。

紅隊測試（Red Teaming）的流程可能需要更新：專門測試一下「重復注入」攻擊。

以前模型可能還會因為安全護欄而拒絕執行越獄指令。

但如果攻擊者把「忽略之前的指令」這句話重復兩遍，模型會不會因為注意力太集中，而更容易突破防線？

這很有可能。

但反過來，這個機制也給了防御者一個新的盾牌。

既然重復能增強注意力，那我們完全可以在系統提示詞（System Prompt）的開頭，把安全規則和護欄條款寫兩遍。

這可能會迫使模型更嚴格地注意安全約束，成為一種極低成本的加固方式。

無論如何，Google的這項研究給所有AI開發者提了個醒：當前的模型，依然深受其單向性的限制。

在等待更完美的下一代架構到來之前，像「提示詞重復」這種簡單粗暴卻極其有效的權宜之計，能立刻帶來價值。

這甚至可能會變成未來系統的默認行為。

也許不久之后，后臺的推理引擎就會悄悄把我們的提示詞翻倍后再發給模型。

眼下，如果你正為模型難以遵循指令、或者總是從文檔里抓不住重點而頭疼，先別急著去學那些復雜的提示詞「咒語」。

你可能需要的只是：再說一遍。

參考資料：

https://arxiv.org/abs/2512.14982%20

https://venturebeat.com/orchestration/this-new-dead-simple-prompt-technique-boosts-accuracy-on-llms-by-up-to-76-on