在人工智能领域，一个看似简单到近乎“笨拙”的方法，正悄然改变着大语言模型的使用方式。谷歌研究院近期公布的一项研究成果显示，将提示词重复一次发送给AI，竟能显著提升其在非推理任务中的表现。这一发现颠覆了人们对复杂提示词设计的传统认知，让“重要的事情说两遍”这句俗语在AI时代焕发新生。
研究团队通过大量实验发现，在不需要逻辑推理的场景下，将输入的提示词完整复制一遍，能明显提高模型的回答准确率。这种方法几乎不会增加生成内容的长度或响应时间，却能在多个主流模型上产生稳定效果。实验覆盖了Gemini、GPT、Claude等7个知名模型，在70种不同任务中，47次观察到性能提升，23次表现持平，未出现任何负面效果。
一个名为NameIndex的测试生动展现了这种方法的威力。当要求AI从50个名字的长列表中找出第25个名字时，常规操作下Gemini 2.0 Flash-Lite模型的准确率仅为21.3%，几乎等同于随机猜测。而采用重复提示词后，准确率飙升至97.3%，提升幅度超过4倍。这种显著改善并非个例，在数学计算、代码理解等不需要深度推理的任务中，重复提示词都带来了稳定的效果提升。
这一现象背后有着明确的科学逻辑。当前主流大语言模型采用的Transformer架构存在单向阅读特性，AI处理提示词时如同观看直播弹幕，只能逐词向后阅读，无法预知后续内容。这种特性容易导致关键信息遗漏。重复提示词相当于让AI进行“虚拟重读”，第二次阅读时已对整体内容有所了解，能够结合首次记忆精准捕捉重要信息，从而提高响应准确性。
研究也明确指出了这种方法的局限性。对于OpenAI的o1、国产DeepSeek-R1等主打深度推理的模型，重复提示词效果并不明显。这类模型在生成答案前已内部完成类似反复推敲的过程，外部重复显得多余。当原始提示词已接近模型上下文长度上限时，重复可能导致处理速度下降甚至内存问题。在创意写作等需要自由发挥的任务中，重复提示词也可能适得其反。
这一发现为AI优化提供了全新思路。传统方法往往追求复杂的技术方案，而谷歌的研究证明，简单方法同样能产生惊人效果。对于普通用户而言，当遇到AI答非所问或处理长文档时丢三落四的情况，不必绞尽脑汁设计复杂提示词，只需将需求复制粘贴一次再发送，就可能获得显著改善。
网友对这项研究反应热烈。有人评论：“如此简单粗暴的方法效果这么好，让人不禁思考还有多少显而易见的技巧被我们忽视。”另一位用户指出：“在特定任务中将准确率从21.33%提升到97.33%，这个数字本身就说明了一切。”还有专业人士赞赏研究团队关注到预处理阶段的并行化特性，使得这种方法在提升性能的同时不影响响应速度。
