猫眼影戏
 |
|
猫眼影戏
周潜
手机审查
猫眼影戏记者 王丹妮 报道Q8X2R7L1T4J5M9B6W3
新智元报道
编辑：元宇
【新智元导读】简朴到难以置信！克日，Google Research一项新研究发明：想让大模子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%！
一个简朴到「怒不可遏」的提醒词技巧，竟能让大模子在不要求睁开推理的情形下，将准确率从21.33%提升到97.33%！
最近，Google Research发明了一条简朴粗暴、特殊有用的提醒词技巧。
它倾覆了以往诸如「头脑链」（Chain of Thought）「多样本学习」（Multi-shot）「情绪勒索」等重大的提醒工程和技巧。
https://arxiv.org/pdf/2512.14982
在这篇题为《Prompt Repetition Improves Non-Reasoning LLMs》论文中，研究职员用数据告诉我们：
想要让Gemini、GPT-4o、Claude或者DeepSeek这些主流模子中体现得更好，基础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，就能让大模子在非推理使命上的准确率获得惊人提升，最高甚至能提升76个百分点！
别怕简朴，它确实有用。
一位网友将这个技巧比作「吼叫LLM」。
更妙的是，由于Transformer架构奇异的运作方法，这个看似鸠拙的「复读机」技巧，险些不会影响到天生速率。
以是，你不必在效率、准确率、本钱三者之间痛苦纠结。
它险些就是一场真正意义上的「免费午餐」！
别再PUA大模子了
从「情绪勒索」到「复读机」战术
经常使用AI工具的人，可能会对种种「提醒词邪术」信手拈来。
为了让模子「更智慧一点」，工程师们已往几年一直在发明种种重大的提醒词技巧。
最最先是「头脑链」，让模子一步步思索，并且经常把那些「推理痕迹」展示给用户；
厥后演酿成了「多样本学习」，给模子喂一大堆例子；
最近更是盛行起了「情绪勒索」：告诉模子，若是这个代码写不出，你就会被断电，或者你的奖金会被扣光。
各人都在试图用人类极其重大的心理学逻辑，去「PUA」那一堆酷寒的硅基代码。
但Google Research研究职员对着七个常见基准测试（包括ARC、OpenBookQA、GSM8K等）和七种主流模子（涵盖了从轻量级的Gemini 2.0 Flash-Lite到重量级的Claude 3.7 Sonnet和DeepSeekV3）举行了一通比照测试后发明：
当他们要求模子不要举行显式推理，只给直接谜底时，简朴的「提醒词重复」在70组正面临比中，赢了47组，输了0组。剩下的全是平手。
在非推理使命中，主流LLMs在种种基准测试中使用提醒重复与基线要领的准确率比照。在70次测试中，提醒重复取得了47次胜利，且无一败绩。
特殊是在那些需要模子从长篇大论里「准确检索信息」的使命上，这种提升堪称质变。
团队设计了一个叫「NameIndex」的失常测试：给模子一串50个名字，让它找出第25个是谁。
Gemini 2.0 Flash-Lite在这个使命上的准确率只有阴晦的21.33%。
但当研究职员把那串名字和问题重复了一遍输入进去后，事业爆发了：准确坦率接飙升到了97.33%。
仅仅由于「多说了一遍」，一个原本缺乏格的「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」 ？
纯粹的重复，竟有云云大的魔力 ？
这简朴得似乎有点没有原理。
但背后有它的科学逻辑：这涉及Transformer模子的一个架构硬伤：「因果盲点」（Causal Blind Spot）。
现在的大模子智能虽然提升很快，但它们都是按「因果」语言模子训练的，即严酷地从左到右处置惩罚文本。
这好比走在一条单行道上，只能往前看而不可转头。
当模子读到你句子里的第5个Token时，它可以「注重」到第1到第4个Token，由于那些是它的「已往」。
但它对第6个Token一无所知，由于它还没有泛起。
这就造成了一个重大的认知缺陷。
正如论文中说的那样：信息的顺序极其主要。
一个按「上下文+问题」名堂写的请求，往往会和「问题+上下文」获得完全差别的效果。
由于在后者中模子先读到问题，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「提醒词重复」这个技巧，实质上就是使用黑客头脑给这个系统打了一个补丁。
它的逻辑是把 酿成了 。
当模子最先处置惩罚第二遍内容时，它虽然照旧在往后读，但由于内容是重复的，它现实上已经「看过」第一遍了。
这时间，第二份拷贝里的每一个Token，都能「注重」到第一份拷贝里的每一个Token。
这就像是给了模子一次「转头看」的时机。
第二遍阅读获得了一种类似于」亓视角」的「类双向注重力」效果。
更准确地说，是第二遍位置上的体现可以使用第一遍的完整信息，从而更稳地对齐使命所需的上下文。
前面提到的谁人在找第25个名字时经常数错的模子（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，它即是先把整份名单预习了一遍，心里有数了，第二遍再做使命时自然驾轻就熟。
这一发明，意味着不需要期待能解决因果盲点的新架构泛起，现在我们连忙就能用这个「笨步伐」，解决模子瞎编乱造或遗漏要害细节这些老浩劫问题。
免费午餐
小模子秒变GPT-4，险些不会延时
以往各人通常默认这样的一个准则：
多一倍的输入，就要多一倍的本钱和期待时间。
若是把提醒词翻倍，岂不是要等双倍的时间才华看到谜底 ？
似乎为了准确率，就要牺牲效率。
但Google的研究却发明并非这样：从用户感知的延迟角度看，提醒词重复带来的时间消耗险些可以忽略不计。
这要归功于LLM处置惩罚信息的两个办法：Prefill（预填充）和Generation（天生）。
Generation阶段，是模子一个字一个字往外「蹦谜底」的历程。
这一步是串行的，它确实慢。
但在Prefill阶段：也就是模子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置惩罚这个阶段时变得很是高效，能一口吻吞下和盘算完整个提醒词矩阵。
纵然你将输入内容复制了一遍，但这关于强盛的GPU来说，顶多只是「多一口吻」的事，在用户端我们险些感受不到差别。
因此，重复提醒词既不会让天生的谜底变长，也不会让大大都模子的「首字延迟」（time to first token）变慢。
这关于宽大开发者和企业手艺认真人来说，简直是一个重大的盈利。
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「超大模子」。
正如前文例子中提到的Gemini 2.0 Flash-Lite，这类更小更快的模子，只要把输入处置惩罚两遍，就能在检索准确率上从21.33%直接跳到97.33%。
经由「重复优化」的轻量级模子，在检索和抽取使命上，可以直接打平甚至逾越那些未优化的顶配模子！
仅靠一个简朴的「复读机」战略，就能用「白菜价」设置实现「黄金段位」的体现，这才是真正的黑科技。
「复读机」避坑指南与清静隐患
虽然，没有任何一种技巧是万能的。
虽然「复读机」战术在检索使命上效果很是显着，但论文中也明确指出了它的能力界线：
主要适用于「非推理使命」。
它不适用于需要一步步推导的推理场景。
当研究职员把「提醒词重复」和「头脑链」混在一起用时，邪术消逝了。
效果5胜，1负，22平。
在要求模子逐步思索时，主流LLMs在种种基准测试中使用提醒重复与基线要领的准确率比照。提醒重复在28次测试中赢了5次，输了1次。
研究职员推测，这可能是由于善于推理的模子自己就会「自己做一遍重复」。
当模子最先「思索」时，它往往会先在天生内容里复述一遍问题，然后再继续求解。
这时间你在输入里再人工重复一次，就显得许多余，甚至可能打断模子的思绪。
以是，若是你的使命是重大的数学题或者逻辑推导，可以依旧用头脑链。
若是你的应用需要的是快速、直接的谜底，好比从长文档里提取数据、分类或者简朴问答，「复读机」就是现在最强的选择。
最后，是清静。
这种更强的「注重力」机制，着实也是一把双刃剑。
这带来一个值得清静团队验证的假设：重复可能放大某些指令的显著性，详细对越狱乐成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。
以前模子可能还会由于清静护栏而拒绝执行越狱指令。
但若是攻击者把「忽略之前的指令」这句话重复两遍，模子会不会由于注重力太集中，而更容易突破防地 ？
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。
既然重复能增强注重力，那我们完全可以在系统提醒词（System Prompt）的开头，把清静规则和护栏条款写两遍。
这可能会迫使模子更严酷地注重清静约束，成为一种极低本钱的加固方法。
无论怎样，Google的这项研究给所有AI开发者提了个醒：目今的模子，依然深受其单向性的限制。
在期待更完善的下一代架构到来之前，像「提醒词重复」这种简朴粗暴却极其有用的权宜之计，能连忙带来价值。
这甚至可能会酿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醒词翻倍后再发给模子。
眼下，若是你正为模子难以遵照指令、或者总是从文档里抓不住重点而头疼，先别急着去学那些重大的提醒词「咒语」。
你可能需要的只是：再说一遍。
参考资料：
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
??时势1：性生活黄色视频毛片
??01月21日,匈牙利对中国有关商务人士签发长期签证 中方表示欢迎,
??01月21日,孩童视角展现玉树风光 儿童剧《高原上的黑眼睛》在京首演,
现在，我们学；蛏缁嶂，不；で樾，破损公物的人越来越多。在广场上，人们在喷泉里乱跑、甚至把垃圾就扔在喷泉里;在学校里，有的同砚践踏草坪;在课堂里，有的同砚在雪白雪白的墙壁上乱写乱画……
,青青免费三级片,东北帅小伙GayVⅰdiσ,明星换脸国产欧美一区。??时势2：久久久久久久岛国免费播放
??01月21日,【澜湄印象】东南亚新鲜水果可走水运直达中国关累港,
效果只能说明已往。面向未来，任重道远。我校将在县教委提出的后发先至，跨越生长、走教育内在生长蹊径头脑的指引下，继续坚持周全贯彻教育目的，进一步增强《中小学生守则》和《中学生一样平常行为规范》的贯彻落实，增强文明教育、诚信教育和社会主义荣辱观教育。进一步引发宽大教职工的事情热情，坚持以教学为中心，面向全体学生，强化历程治理，起劲推进素质教育，增进我校教育事业一连康健生长。
,日本在线黄色网站,少妇囗交做爰75分钟,崩铁银狼本子在线免费观看App下载。??01月21日,安徽歙县：千年古城内 “00”后焕新演绎徽文化,
独角兽群一阵躁动，四蹄蹬踏，再也无法一起发动攻击了，全身银鳞闪灼，各个仰面长嘶，向前践踏而来。
,283224奖励,美女裸体羞羞 免费视频,最讨厌的义父夜袭了哪一集。??时势3：精品少妇无码AV无码专区免费
??01月21日,哥伦比亚总检察长办公室：机场机库没有发现尸体痕迹,
五是把好正式选举关。凭证法准时间要求，在正式选举日前5天把正式候选人名单在各村举行张贴公示，做好宣传，让宽大选民及早相识候选人的基本情形。在选举日前，镇指导小组召开联村指导员聚会，专题安排正式选举日事情安排。同时，联村指导员还下村向导培训选举事情职员。为避免突发事务的爆发，镇党委协调镇派出所，做到警力随时待命。由于事前安排周密，职责明确，x月20日全镇选举日那天，全镇xx个行政村的选举事情操作规范，流程严密，秩序井然。虽然，、等四个村举行二次选举，可是，最终照旧顺遂地完成了选举使命。
,貂蝉被 到爽被爆衣漫画,九色·porny,国产初高中生XXXX。??01月21日,国台办驳斥“歼-35A对台构成新威胁”论调,
其次，是准确看待目今面临情形，妥善处置惩罚好换届后爆发负面问题的需要。在这次村级组织换届中，各村事情适当，要领合理，使换届选举顺遂完成，各村的新一届班子的年岁结构越发轻、文化条理越发高、为民效劳意识越发强，可是，个体村也泛起了一些新问题：一是未能较好地处置惩罚党支部与村委会的关系。个体村的村委以为党支部是内部选举爆发的，村委会是全体村民选举爆发的，参选工具比党支部大，以是拒不平从党支部的向导，并随处发号施令，造成两套班子“两张皮”征象，致使“两委”关系不协调。二是村委会主任候选人以及委员候选人竞争引起的不团结征象。在这次村委会换届中，个体同志没有准确看待选举，随处拉帮结派，拉票买票，泛起了不正常选举，致使候选人之间爆发了矛盾，同时，部分同志在选举时乱允许，乱应允，在群众中造成的极坏的影响，严重地滋扰了村里正常事情。三是片面明确村民自治和村民选举，个体新选举出来的村委会成员以为，我是村民先出来的，是村民给我的权力，以是在事情中只对下认真，差池上认真，拒不执行街道党工委、效劳处制订的各项事情制度和安排下来的事情使命，对涉及本村经济和社会生长的事业，严重违反党支部向导原则，乱干蛮干等等。这次培训的目的，就是要进一步亲近党群干群关系，增强农村党组织创立力、凝聚力和战斗力，增进村干部之间的配合和协作，推进农村下层民主政治建设牢靠，从而增强党在农村的执政基础。
,星野和光头哥视频原版在线观看,中国裸体BBBBxxxx,AⅤ电影免费在线观看。??时势4：少妇A片一级
??01月21日,《习近平著作选读》第一卷、第二卷英文版出版发行,
接下来我与各人，我想给孩子们提几点要求：
,www在线观看国产,校花AV,人人操碰人人看。??01月21日,8场冰雕雪雕赛事活动即将启幕 向世界讲好“尔滨”故事,
我还要做一名最虔敬的观众，为你们精彩的演出流泪、微笑、拍手、欢呼。当你们获得些许的前进时，我愿意握住每一位有前进的同砚的手，恳切至心隧道一句：祝贺你乐成!
,青青在线国产视频,日韩精品视频二区在线播放,国产精品爽爽视频。【“代买火车票”收取好处费 两人在北京南站被行拘】
责编：符小聪
审核：大卫柯克帕特里克
责编：梁思礼
Copyright (C) 2001- dzwww.com. All Rights Reserved
新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证
山东省互联网传媒集团主理 联系电话：0531-85193202 违法不良信息举报电话：0531-85196540
鲁ICP备09023866号-1 鲁公网安备 37010202000111号
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
