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 ...

编辑：元宇 https://arxiv.org/pdf/2512.14982 【导读】 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。 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 ...