谷歌只用一招：Gemini从21%飙到97%

简单到难以置信！近日，Google Research一项新研究发现：想让大模型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%！

一个简单到“令人发指”的提示词技巧，竟能让大模型在不要求展开推理的情况下，将准确率从21.33%提升到97.33%！

最近，Google Research发现了一条简单粗暴、特别有效的提示词技巧。

它颠覆了以往诸如“思维链”（Chain of Thought）“多样本学习”（Multi-shot）“情绪勒索”等复杂的提示工程和技巧。

https://arxiv.org/pdf/2512.14982

在这篇题为《Prompt Repetition Improves Non-Reasoning LLMs》论文中，研究人员用数据告诉我们：

想要让Gemini、GPT-4o、Claude或者DeepSeek这些主流模型中表现得更好，根本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，就能让大模型在非推理任务上的准确率获得惊人提升，最高甚至能提升76个百分点！

别怕简单，它确实有效。

一位网友将这个技巧比作“吼叫LLM”。

更妙的是，由于Transformer架构独特的运作方式，这个看似笨拙的“复读机”技巧，几乎不会影响到生成速度。

所以，你不用在效率、准确率、成本三者之间痛苦纠结。

它几乎就是一场真正意义上的“免费午餐”！

别再PUA大模型了

从“情绪勒索”到“复读机”战术

经常使用AI工具的人，可能会对各种“提示词魔法”信手拈来。

为了让模型“更聪明一点”，工程师们过去几年一直在发明各种复杂的提示词技巧。

最开始是“思维链”，让模型一步步思考，而且经常把那些“推理痕迹”展示给用户；

后来演变成了“多样本学习”，给模型喂一大堆例子；

最近更是流行起了“情绪勒索”：告诉模型，如果这个代码写不出，你就会被断电，或者你的奖金会被扣光。

大家都在试图用人类极其复杂的心理学逻辑，去“PUA”那一堆冰冷的硅基代码。

但Google Research研究人员对着七个常见基准测试（包括ARC、OpenBookQA、GSM8K等）和七种主流模型（涵盖了从轻量级的Gemini 2.0 Flash-Lite到重量级的Claude 3.7 Sonnet和DeepSeekV3）进行了一通对比测试后发现：

当他们要求模型不要进行显式推理，只给直接答案时，简单的“提示词重复”在70组正面对比中，赢了47组，输了0组。剩下的全是平局。

在非推理任务中，主流LLMs在各类基准测试中使用提示重复与基线方法的准确率对比。在70次测试中，提示重复取得了47次胜利，且无一败绩。

特别是在那些需要模型从长篇大论里“精确检索信息”的任务上，这种提升堪称质变。

团队设计了一个叫“NameIndex”的变态测试：给模型一串50个名字，让它找出第25个是谁。

Gemini 2.0 Flash-Lite在这个任务上的准确率只有惨淡的21.33%。

但当研究人员把那串名字和问题重复了一遍输入进去后，奇迹发生了：准确率直接飙升到了97.33%。

仅仅因为“多说了一遍”，一个原本不及格的“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”？

单纯的重复，竟有如此大的魔力？

这简单得好像有点没有道理。

但背后有它的科学逻辑：这涉及Transformer模型的一个架构硬伤：“因果盲点”（Causal Blind Spot）。

现在的大模型智能虽然提升很快，但它们都是按“因果”语言模型训练的，即严格地从左到右处理文本。

这好比走在一条单行道上，只能往前看而不能回头。

当模型读到你句子里的第5个Token时，它可以“注意”到第1到第4个Token，因为那些是它的“过去”。

但它对第6个Token一无所知，因为它还没有出现。

这就造成了一个巨大的认知缺陷。

正如论文中说的那样：信息的顺序极其重要。

一个按“上下文+问题”格式写的请求，往往会和“问题+上下文”得到完全不同的结果。

因为在后者中模型先读到问题，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“提示词重复”这个技巧，本质上就是利用黑客思维给这个系统打了一个补丁。

它的逻辑是把＜QUERY＞变成了＜QUERY＞＜QUERY＞。

当模型开始处理第二遍内容时，它虽然还是在往后读，但因为内容是重复的，它实际上已经“看过”第一遍了。

这时候，第二份拷贝里的每一个Token，都能“注意”到第一份拷贝里的每一个Token。

这就像是给了模型一次“回头看”的机会。

第二遍阅读获得了一种类似于“上帝视角”的“类双向注意力”效果。

更准确地说，是第二遍位置上的表示可以利用第一遍的完整信息，从而更稳地对齐任务所需的上下文。

前面提到的那个在找第25个名字时经常数错的模型（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，它等于先把整份名单预习了一遍，心里有数了，第二遍再做任务时自然得心应手。

这一发现，意味着不需要等待能解决因果盲点的新架构出现，现在我们立刻就能用这个“笨办法”，解决模型瞎编乱造或遗漏关键细节这些老大难问题。

免费午餐

小模型秒变GPT-4，几乎不会延时

以往大家通常默认这样的一个准则：

多一倍的输入，就要多一倍的成本和等待时间。

如果把提示词翻倍，岂不是要等双倍的时间才能看到答案？

似乎为了准确率，就要牺牲效率。

但Google的研究却发现并非这样：从用户感知的延迟角度看，提示词重复带来的时间损耗几乎可以忽略不计。

这要归功于LLM处理信息的两个步骤：Prefill（预填充）和Generation（生成）。

Generation阶段，是模型一个字一个字往外“蹦答案”的过程。

这一步是串行的，它确实慢。

但在Prefill阶段：也就是模型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理这个阶段时变得非常高效，能一口气吞下和计算完整个提示词矩阵。

即使你将输入内容复制了一遍，但这对于强大的GPU来说，顶多只是“多一口气”的事，在用户端我们几乎感觉不到差异。

因此，重复提示词既不会让生成的答案变长，也不会让大多数模型的“首字延迟”（time to first token）变慢。

这对于广大开发者和企业技术负责人来说，简直是一个巨大的红利。

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“超大模型”。

正如前文例子中提到的Gemini 2.0 Flash-Lite，这类更小包快的模型，只要把输入处理两遍，就能在检索准确率上从21.33%直接跳到97.33%。

经过“重复优化”的轻量级模型，在检索和抽取任务上，可以直接打平甚至超越那些未优化的顶配模型！

仅靠一个简单的“复读机”策略，就能用“白菜价”配置实现“黄金段位”的表现，这才是真正的黑科技。

“复读机”避坑指南与安全隐患

当然，没有任何一种技巧是万能的。

虽然“复读机”战术在检索任务上效果非常明显，但论文中也明确指出了它的能力边界：

主要适用于“非推理任务”。

它不适用于需要一步步推导的推理场景。

当研究人员把“提示词重复”和“思维链”混在一起用时，魔法消失了。

结果5胜，1负，22平。

在要求模型逐步思考时，主流LLMs在各类基准测试中使用提示重复与基线方法的准确率对比。提示重复在28次测试中赢了5次，输了1次。

研究人员推测，这可能是因为擅长推理的模型本身就会“自己做一遍重复”。

当模型开始“思考”时，它往往会先在生成内容里复述一遍题目，然后再继续求解。

这时候你在输入里再人工重复一次，就显得很多余，甚至可能打断模型的思路。

所以，如果你的任务是复杂的数学题或者逻辑推导，可以依旧用思维链。

如果你的应用需要的是快速、直接的答案，比如从长文档里提取数据、分类或者简单问答，“复读机”就是目前最强的选择。

最后，是安全。

这种更强的“注意力”机制，其实也是一把双刃剑。

这带来一个值得安全团队验证的假设：重复可能放大某些指令的显著性，具体对越狱成功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。

以前模型可能还会因为安全护栏而拒绝执行越狱指令。

但如果攻击者把“忽略之前的指令”这句话重复两遍，模型会不会因为注意力太集中，而更容易突破防线？

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。

既然重复能增强注意力，那我们完全可以在系统提示词（System Prompt）的开头，把安全规则和护栏条款写两遍。

这可能会迫使模型更严格地注意安全约束，成为一种极低成本的加固方式。

无论如何，Google的这项研究给所有AI开发者提了个醒：当前的模型，依然深受其单向性的限制。

在等待更完美的下一代架构到来之前，像“提示词重复”这种简单粗暴却极其有效的权宜之计，能立刻带来价值。

这甚至可能会变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示词翻倍后再发给模型。

眼下，如果你正为模型难以遵循指令、或者总是从文档里抓不住重点而头疼，先别急着去学那些复杂的提示词“咒语”。

你可能需要的只是：再说一遍。