经常用AI工具辅助学术科研与写作的同仁，可能已经对提示词工程掌握的程度比较深了。为了让模型输出的内容更准确一点，提示词工程师也会研究各种复杂的提示词技巧，比如设定角色、思维链、多样本学习等等。

但最近七哥发现还有一种能提升模型输出内容准确率的方法，该方法出自一篇文章，文章由Google Research团队撰写，题目为《Prompt Repetition Improves Non-Reasoning LLMs》。

核心是：在大模型不开启推理模式时，只需要把提示词复制粘贴再说一遍，就能极大程度提升模型输出准确率。

Google Research研究人员做了个测试，他们找了7个常用模型测评基准（ARC、OpenBookQA、GSM8K），还有7款主流AI模型（GPT-4o、Gemini 2.0 Flash-Lite、Claude 3.7 Sonnet、DeepSeekV3 ）进行对比测试。

当他们要求模型不要进行推理，直接给出答案时，在总共70 组正面对比里，用“提示词重复”这个方法的，赢了47组，一次都没输过，剩下的23组都是平局。

这个提示词技巧非常简单，就是把输入的提示词复制粘贴两遍，如<QUERY>改成<QUERY><QUERY>。这样既不会增加生成token数量，也不会改变输出格式，更不会增加推理时长。