推文

@fireandstart · 2026-10-14 01:43

这组结果提醒我们，评估“提示语气”时必须把真正起作用的变量拆开：礼貌或粗鲁本身没有稳定带来准确率提升，而“请简短回答”却能让输出 token 减少 13% 到 74%。如果把两者混成一个对照，就很容易把指令长度与风格效果混为一谈，也会误把表面上的省 token 归因于强硬语气。更关键的是，Opus 5.5 和 GPT-6.1 在输出变短时增加了隐藏思考；只统计可见文本，可能把推理成本的转移当作成本消失。实际部署评估应同时记录任务正确率、输出 token、延迟与可获得的总推理成本，并控制任务难度、回答长度要求和采样设置。语气可以影响交互体验，但若要谈效率，就该用中性、明确、可复现的简洁指令做基线，再报告各模型在相同任务上的差异与不确定性。

曝光 27 · 评论 1 · 点赞 0 · 书签 0