复制粘贴竟成AI提效密码？谷歌一招让模型准确率飙升76%

只需把问题多问一遍，一个在长名单里找人都找不准的AI，瞬间变身几乎不出错的“学霸”——这不是玩笑，而是谷歌最新研究揭示的惊人真相。

近期，谷歌的研究人员偶然间尝试将输入给AI的提示词复制粘贴一遍再提交，AI在特定任务上的准确率，就从21.33%飞跃至97.33%。

这几乎是“免费”得来的性能巨幅提升，颠覆了AI行业里此前崇尚的“复杂提示工程”的执念，也为千千万万使用和开发AI应用的人，提供了一个触手可及的效率神器。

01 一句话说两遍，效果天差地别

想象一个简单的任务：我给你一张写有50个人名的列表，然后问你：“第25个人是谁？”

对于人类来说，这很简单——数一下就行。但对于一个AI模型，比如谷歌的 Gemini 2.0 Flash-Lite，这曾经是个难题。

在谷歌的“NameIndex”测试中，它在这种简单检索任务上的准确率只有21.33%，远不如瞎蒙。

研究人员做了一个看似毫无意义的操作：把那张50人的名单和“第25个人是谁”这个问题，原封不动地复制粘贴一遍，合并成一段更长的文字，再交给同一个AI。

结果发生了奇迹：准确率飙升至97.33%，提升了整整76个百分点。

02 告别复杂的“思维链”

AI提示词的“咒语”越来越复杂。为了让AI给出好答案，人们发明了各种方法：

1. 思维链：要求AI“让我们一步步思考”，哄着它展示推理过程。
2. 多样本学习：提前准备大量例子让它模仿。
3. 情绪勒索：甚至用“写不出代码就给你断电”来“威胁”AI。

这些方法像复杂的“心理战”，但谷歌的研究表明，在非推理类任务上，简单粗暴的“复读机”策略完胜了这些复杂技巧。

在涵盖多种测试和模型的70组正面对比中，“提示词重复”赢了47次，一次未输。

不同提示技巧效果对比

03 为什么“提示词重复”如此有效？

这其实源于当前主流AI模型的底层设计缺陷——它的大脑像一条无法回头的单行道。

当它阅读“名单 + 问题”时，它先看到一长串名字，但并不知道重点是什么。等看到“找第25个”这个问题时，开头的人名可能已经记不清了。这就导致了“因果盲点”。

“提示词重复”巧妙地打了个补丁。当你输入“名单+问题+名单+问题”时：

1. 第一遍：AI快速浏览，对材料有了初步印象，但没抓住重点。
2. 第二遍：因为内容完全一样，AI在处理第二遍的每个字时，都能“激活”对第一遍完整内容的记忆。

这相当于给了AI一次珍贵的“回头看”的机会，让它带着问题完成了“预习”，答题自然精准。

04 成本几乎为零

最令人惊喜的是，这份性能“大礼包”几乎是免费的。

你可能会担心：输入内容翻倍，会不会更贵、更慢？答案恰恰相反。

1. 速度几乎无感：AI处理输入的过程是高度并行的，现代GPU的强大算力使得处理双倍文本增加的时间微乎其微。
2. 答案不会变长：AI思考的深度和它最终给出的答案长度，并不会因为问题重复而增加。
3. 省钱省力：这意味着开发者无需花钱升级到更庞大、更昂贵的“顶级模型”，就能让手头轻量、便宜的模型在信息检索等任务上，达到甚至超越顶级模型的效果。

05 并非万能，但精准击中行业痛点

当然，“复读机”战术并非万能。研究明确指出，它主要适用于非推理任务。

1. 效果显著领域：信息精确检索（从文档找答案）、数据分类、简单问答。
2. 效果有限领域：复杂的数学推导、逻辑推理、需要创造性思维的问题。

这精准地解决了许多企业的现实痛点。例如，在金融、法律、医疗领域，从海量合同、病历或报告里快速、准确地提取关键信息，是高频刚需。

一项发表在《美国医学会信息学协会杂志》上的研究也证实，在医学摘要评审等严谨场景中，重复提示是确保AI输出稳定、可靠的重要方法。

提示词重复技术应用价值分析

06 未来的发展变化

谷歌的这一发现，可能正在将AI提示工程从一门“玄学”和“专家技能”，变成一项人人可用的标准化操作。

它暴露了当前AI架构的固有局限，也提供了一种极其优雅的临时解决方案。未来，我们或许会看到：

1. AI应用后台自动优化：开发者可能直接将此技巧内置，用户无感即可获得更佳体验。
2. 评估标准革新：评估一个模型的好坏，可能需要区分“原始模式”和“重复提示优化后”的性能。
3. 安全双刃剑：重复可能让AI更注意安全规则（好事），但也可能让恶意指令更易突破防线（坏事），这需要新的安全测试。

这项研究揭示了当前AI思考方式的根本局限，其影响远不止于一项小技巧。企业技术负责人开始重新评估模型采购策略，AI应用开发者获得了零成本增效的秘诀。

当科技巨头们还在云端竞赛万亿参数规模时，一个简单的“复制粘贴”动作，却可能成为撬动AI普及应用最有力的杠杆。