猫眼影戏
 |
|
猫眼影戏
伍克振
手机审查
猫眼影戏记者 鲁艳红 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：色综合久久88色综合天…
??01月20日,关注巴以局势：以军行动持续 加沙地带多地发生激烈战斗,
远处传来哼啼声 ，像是很痛苦 。小不点与祭灵大战多时 ，将这片山地都快夷平了 ，自然让一群凶寇受到了波及 。
,秋葵视频在线观看入口未满十八在线观看 。??01月20日,（新春走基层）西藏山南扎西曲登社区：尽展“藏戏第一村”的“入戏”风貌,
它在小不点的身体右侧化形 ，火山口隆隆颤抖 ，内部是一股紫色的“岩浆” ，向外喷涌 。
,嘿咻无码视频在线观看,超97人妻在线公开免费视频,囯外做受 高潮网站 。??时势2：久久国产激情
??01月20日,13家日资企业安徽话信心谋发展,
现在 ，在中国 ，创业者通常要面临许多挑战 ，好比 ，缺少创业和治理履历、欠缺初期启动资金、难以吸引卓越手艺人才等 ，诸多因素使得创业现实乐成率并不高 。而美国硅谷这个创业者的摇篮 ，已经形成了从天使投资到中、后期危害投资的完整的、流水线式的系统 。一个好的想法哪怕是在看法验证期都可以获得10～50万美元天使资金的支持 。而天使投资人又往往是前乐成创业者或公司高管 ，有着深挚的业界履历和配景 ，除了资金之外能够给立异公司带来他们的视野和业界关系 ，导入专业职员和治理履历 ，之后危害投资会对天使项目后期跟进 。20xx年 ，美国的天使投资占危害投资总体盘子的40%至50% ，共有26万多个活跃的天使投资人和组织 。然而在中国 ，虽然20xxx年以来危害投资快速生长 ，可是天使投资群体还未成熟 ，天使投资领域仍是一大块空缺 。危害投资苦于找不到足够多的、后期的好项目 ，创业者苦于找不到足够的早期支持 。
,日本AAA黄色视频,黄色网站2,18 无套直番茄视频 。??01月20日,（投资中国）F1重返中国 业内看好赛事市场潜力,
金色的毛球马上发出一声惨叫 ，千般纠结 ，最终用一只小爪子捂住自己的眼睛 ，狠心咬破另一只小爪子上的肉垫 。
,久久久久久久91久久久,国产在线www性,亚洲一级高清最黄色视频 。??时势3：视频一区 在线视频 精选视频
??01月20日,安徽发布暴雪蓝色预警 预计部分地区降雪量超10毫米,
我是五（2）班的傅嘉仪 。
,又黄又硬又爽又粗免费视频,欧美国产日韩va观看视频,亚洲熟妇色XXXXX欧美老妇Y 。??01月20日,香港中国企业协会举办第九届运动会,
第一、勤劳学习 。掌握牢靠的文化科学知识 ，掌握探讨知识的本事 ，为我们以后的生长打下扎实的基础 。我校新的课堂学习模式已经周全睁开 ，它将使你的学习由被动变为自动 ，使你真正成为学习的主人 。在新的学期里 ，希望同砚们在先生的教育下 ，能自动起劲地加入学习 ，要铭刻"勤劳、康健、上进"的学风 ，养成"乐于学习、勤于学习、善于思索、勇于探索"的学习品质和优异的学习习惯 ，起劲探讨好的学习要领 ，自主学习 ，受苦钻研 ，做课堂的主人 ，做时间的主人 ，做学习的主人 ，周全提高学习效果 。
,优菈疯狂 喷水自慰爽,人人上人人下一级黄片,免费一级特黄3大片视频 。??时势4：熟女浓密阴毛受不了说喜欢大鸡巴小伙
??01月20日,江西网球公开赛：头号种子选手玛丽·布兹科娃首轮获胜晋级,
海底三个月的磨砺 ，石昊乐成了 ，肉身成灵 ，在这一阶段蜕变到极尽 ，这是一种难以言喻的体悟 ，成灵者第一时间感知到 ，自己走到那一步了 。
,亚洲GIF,在线三区四区,谁有免费Av网站 。??01月20日,中国首张蛋白粉备案凭证发放,
3、坚定意志增强毅力 。坚定的意志和顽强的毅力 ，是奋战中考的支柱 。中考不但仅是人智力水平的磨练 ，同时也是人非智力因素的较量;在要害时刻 ，同砚之间的竞争更主要的应该是意志的较量 ，顽强的毅力是强心剂 ，它能使人的种种能力施展到极致 。
,免费成人网站,萌琪琪16分钟,插爽视频 。【广州高温闷热天气持续】
责编：胡越
审核：洪晓瑜
责编：洛伊丝·邦纳
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
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
