重複 Prompt 就能提升 LLM 準確率？Google 最新研究解析

Google Research 最新論文：把 prompt 貼兩次送給 LLM，不開推理就能穩定提升準確率。70 組測試贏 47 輸 0，不增加延遲。本文深入解析因果注意力機制與實戰落地建議。 ⭐ 文章深度讀：文章完整解析因果注意力的結構限制，以及這個技巧在什麼場景最有效 → https://heymaibao.com/prompt-repetition-improves-llms/ 📝 懶人包 ∙ 把 prompt 重複一次送給 LLM，不開推理時穩定提升準確率 (70 組測試贏 47 輸 0)，不增加延遲和生成成本 ∙ 有效原因：LLM 的因果注意力讓前面的 token 看不到後面，重複 prompt 讓所有 token 互相可見 ∙ 推理模型本身就會在思考鏈裡重述問題，prompt repetition 把這步搬到更便宜的 prefill 階段 ∙ 主筆判斷：這是今年最具 CP 值的 prompt 技巧，適合所有不開推理的 API 場景，落地只要一行程式碼 📚 參考資料 Jia et al., 2025. Prompt Repetition Improves Non-Reasoning LLMs → https://arxiv.org/abs/2512.14982