Google Research 的一項最新研究提出了一個簡單卻極具效率的方案： 提示詞重複。
本文參考自 Google Research 刊登於 arXiv 的最新研究《Prompt Repetition Improves Non-Reasoning LLMs》，研究團隊為：Yaniv Leviathan、Matan Kalman1、Yossi Matias。
今天，開發者與使用者都在尋求如何讓模型表現更精準的方法。
通常，我們會聯想到「思維鏈」（Chain of Thought, CoT）或「分步思考」（Think step by step）等技術，但這些方法往往會增加生成長度，進而導致延遲增加。然而，Google Research 的一項最新研究提出了一個簡單卻極具效率的方案：
提示詞重複（Prompt Repetition）
研究團隊發現，當模型不使用推理功能時，僅僅是將輸入的提示詞重複一次（即將 <QUERY> 轉換為 <QUERY><QUERY>），就能在幾乎不增加延遲的情況下，大幅提升包括 Gemini、GPT、Claude 和 DeepSeek 在內的多款主流模型的表現。
剖析 LLM 的底層邏輯
要理解為什麼重複同樣的話能讓 AI 變得更聰明，必須先回到大型語言模型的基礎架構。
1️⃣因果語言模型的局限性
目前絕大多數的 LLM 都是作為因果語言模型（Causal Language Models）進行訓練的。這意味著，模型在處理序列時具有方向性：過去的標記（Tokens）無法關注（Attend to）未來的標記。
這種架構導致了一個實務上的問題：使用者查詢中標記的順序會直接影響預測效能。例如，在處理多選題時，將背景資料放在問題前（<CONTEXT> <QUESTION>），與將問題放在背景資料前（<QUESTION> <CONTEXT>），模型的表現往往大相徑庭。
2️⃣注意力機制的解套
透過「提示詞重複」，研究人員實質上打破了這種限制。
當輸入從 <QUERY> 變為 <QUERY><QUERY> 時，由於第二個重複部分的每個標記現在都可以回頭「看到」第一個完整查詢中的所有標記，這使得每一個提示詞標記都能與其他所有標記進行注意力交互（Attend to every other prompt token）。填補因果模型在處理單次輸入時可能遺漏的語境關聯。
47 勝 0 敗的絕對優勢
為了驗證這一理論，Google Research 針對 7 款目前市面上最強大的模型進行了測試，涵蓋了不同的參數規模與技術體系 ：
- Google: Gemini 2.0 Flash, Gemini 2.0 Flash Lite
- OpenAI: GPT-4o-mini, GPT-4o
- Anthropic: Claude 3 Haiku, Claude 3.7 Sonnet
- DeepSeek: DeepSeek V3
實驗使用了 7 個基準測試集，包括 ARC（挑戰賽）、OpenBookQA、GSM8K（數學）、MMLU-Pro（多任務理解）、MATH，以及兩個專門設計的客製化任務：NameIndex 和 MiddleMatch。
根據 McNemar 檢驗，在不使用推理的情況下，「提示詞重複」在 70 組「模型-測試集」組合中，贏得了47 勝利，且錄得 0 次失敗（0 losses）。在大多數情況下，重複提示詞要麼大幅提升準確度，要麼維持原樣，絕不會導致表現下降。
模型在處理序列時具有方向性：過去的標記（Tokens）無法關注（Attend to）未來的標記。
當「重複」遇到「推理」
研究進一步探討了「提示詞重複」與「推理模型」（Reasoning models）或「思維鏈」（Chain of Thought）之間的互動。
與「分步思考」的結合
當啟動「分步思考」（Think step by step）時，「提示詞重複」的效果會變得中性至輕微正向 。在 28 項測試中，贏得 5 次，僅有 1 次失敗，其餘為平手。
這是因為思維鏈本身通常就會在生成的開頭部分「重複」或「重構」使用者的問題，這在某種程度上已經達到了類似「提示詞重複」的效果 。
與 Padding 的區別
為了證明效能提升來自「重複內容」而非單純的「增加長度」，研究人員測試了「填充（Padding）」方法（即在提示詞後加入大量的句點 “.”）。結果顯示，單純增加無意義的標記並不能改善表現，證實了內容重複帶來的注意力交互才是關鍵。
你該如何使用這個技巧？
對於開發者和日常 AI 使用者來說，這項研究提供了非常實用的部署建議：
非推理任務的選項：
如果你的任務不需要模型進行深度的邏輯推理（例如資料提取、分類、格式轉換），將提示詞重複一遍可能是提升穩定性的最佳手段。
多樣化的重複方式：
- Vanilla 重複： 直接 <QUERY><QUERY> 。
- Verbose 重複： 加入引導詞，例如「讓我重複一遍：<QUERY>」。
- x3 重複： 對於極其複雜的檢索任務，重複三次的效果有時會更好 。
