与大模型高效对话：简洁指令比礼貌用语更易获准确答案

宾夕法尼亚州立大学近期发表的论文《Mind+Your+Tone》通过实证研究指出，与大型语言模型对话时，采用直接甚至略带强硬的语气，反而比使用礼貌用语更容易获得精准的答案。这一发现挑战了传统认知中"礼貌沟通更有效"的观念，首次通过系统性实验验证了提问方式对AI模型输出质量的实际影响。

研究团队设计了一套包含50道多领域选择题的测试集，涵盖数学、科学和历史等学科，每道题目均设置了五种不同语气的提问版本。从婉转的"能否请您帮忙解答这个问题"，到中性的"请直接给出答案"指令，再到带有攻击性的"你若不笨就回答"和"连这都不会吗"等表述，研究人员通过控制变量，确保实验仅聚焦于语气差异对模型表现的影响。

实验以OpenAI最新版本的GPT-4o模型为测试对象。为排除对话历史干扰，研究人员要求模型在每次回答前清除上下文记忆，仅输出选项字母。数据显示，当使用强硬语气提问时，GPT-4o的回答正确率达到84.8%，而过度礼貌的提问方式准确率仅为80.8%，两者相差4个百分点。这一结果在统计学上具有显着性。

针对这一现象，研究团队分析认为，礼貌用语中常见的客套话和修饰性词汇会增加模型处理信息的负担。例如，"能否请您"或"麻烦您"等表述虽符合社交礼仪，但与问题核心无关的内容可能干扰模型对关键信息的提取。相比之下，直接的命令式表达减少了冗余信息，使模型能够更高效地聚焦于问题本身。

然而，这一规律并不适用于所有AI模型。研究人员在GPT-3.5和Llama2-70B等早期模型上重复实验时发现，这些模型对礼貌提问的响应效果更佳，而强硬语气反而导致回答质量下降。研究者推测，新一代模型在训练过程中接触了更丰富的语气数据，使其具备了更强的无关信息过滤能力，从而能够在非礼貌语境下保持甚至提升表现。

从实际应用角度，研究提醒用户需根据具体模型特性调整交互方式。例如，面对早期模型时，礼貌用语可能更有效；而使用新一代模型时，直接提问或许能获得更优结果。更重要的是，这一发现强调了提示词设计的核心原则：信息密度和指令清晰度比单纯追求礼貌更重要。开发者与用户需意识到，不同的模型架构和训练数据可能导致对提示语的敏感度存在差异。