把问题说两遍，AI就变聪明了？

快速阅读：谷歌研究人员发现，把同一条提示词复制粘贴两遍再发送，能让大语言模型的准确率提升21%到97%。这个发现既简单粗暴，又令人不安。

该图片可能由AI生成

三位谷歌研究员最近发表了一篇论文，结论简单到有点荒谬：你只需要把发给人工智能的问题复制一遍，粘贴在原文后面一起发送，模型给出正确答案的概率就会大幅提升。不需要任何特殊技巧，全选、复制、光标移到末尾、粘贴，完事。

准确率提升幅度：21%到97%。

有网友马上动手试了试，用那道经典的“洗车店距我家50米，我该走路还是开车去？”测试了一遍、两遍、三遍重复提示词的效果。结果很有意思：发一遍，模型说走路更好；发两遍，模型开始犹豫；发三遍，模型终于意识到你是要把车开过去洗，当然得开车。

这道题本身值得多说两句。题目没有明确说“车就在你身边”，只说洗车店离家50米。有观点认为，这其实是一个表述不清的问题，正确答案要看车在哪里。也有观点反驳说，“我该走路还是开车去”这个问题在日常语言逻辑里天然蕴含了“车就在手边”的前提，要求把所有隐含条件全部显式列出，对话就没法进行了。

两种观点都有道理，但真正耐看的问题在于：为什么重复同一段文字，机器就能“想清楚”这件事？

技术层面的解释来自几位懂行的网友。大语言模型是单向从左到右处理文本的，早期出现的词条只能通过“向前看”来获取信息，看不到后面的内容。把提示词重复一次，相当于给每个词条都创造了一次“回望”的机会，让输入文本的不同部分能够彼此关联，降低了模型对词语顺序和位置的偏见。

还有一个更直白的说法：更长的上下文等于更低的困惑度。推理模型之所以表现好，部分原因就是它们在正式给出答案前，先生成了大量的“思考过程”文本，这些文本为最终答案积累了丰富的上下文。重复提示词，本质上是在用一种笨办法模拟这个过程。有观点指出，即便用完全无关的填充文字，比如让模型数数“1、2、3……”，也能改善答案质量，只是效果不如重复提示词明显。

换句话说，给模型更多“时间”，它就能想得更好。这和人类在考试时把题目默读两遍再作答，并没有本质区别。

当然，随着推理模型的普及，这个技巧对最新一代模型的加成效果会打折扣。论文测试的还是非推理模型，用的是2024年初发布的旧版本。有观点吐槽说，学术界的研究速度实在感人，实验做完到论文发出去，中间拖了将近一年。

不过问题还没解决：这个技巧究竟对哪类问题最有效，重复几次是上限，取决于什么变量？论文里目前还没有给出系统性的答案。

简评：

人工智能最让人不安的，不是它太聪明，而是它的聪明方式我们看不懂。

复制粘贴一下问题，准确率就能飙升97%——这个发现简单到近乎羞辱。我们造出了人类历史上最复杂的计算系统，却要用幼儿园级别的技巧来哄它认真思考。

但仔细想想，人不也一样吗？老板把重要的事情说三遍，老师让学生把题目读两遍，广告词永远是循环播放。重复，从来不是因为听者愚蠢，而是因为理解这件事本身就需要时间和冗余。

这个实验真正揭示的是：无论碳基还是硅基，智能的底层逻辑是相通的——不是一次性输入正确答案，而是给足够的时间让信息在系统里“发酵”。

所以下次跟AI对话，别急着嫌它笨。把问题多说一遍，就像你对待一个需要思考时间的聪明朋友。毕竟，耐心这件事，对人对机器，都是一种尊重。

论文：arxiv.org/abs/2512.14982

Reddit：www.reddit.com/r/singularity/comments/1r85zst/research_prompt_repetition_improves_nonreasoning/