2026年3月3日，谷歌研究院发布论文揭示一种简单却高效的AI优化方法：重复提示词可显著提升大语言模型在非推理任务中的表现。例如，在信息提取任务中，Gemini 2.0 Flash-Lite模型的准确率从21.33%飙升至97.33%。该方法利用Transformer架构的特性，通过“虚拟重读”帮助模型更好理解输入内容，且几乎不增加延迟。实验显示，这一技巧在7个主流模型的70种场景中，47次显著提升性能，无一失效。不过，对深度推理型模型效果有限，且可能因提示词过长影响处理效率。网友评论称，这种“简单粗暴”的方法令人意外，也展现了朴素智慧的力量。

标题：GPT-oss的奇怪行为：无提示生成编程问题并重复求解 正文： GPT-oss最近表现出令人惊讶的“幻觉”行为。在没有提示的情况下，它凭空生成了一个复杂的多米诺骨牌编程问题，并消耗超过30,000个token反复求解了5000多次。该问题涉及在NxM网格中放置一个多米诺骨牌后，判断剩余区域...

标题：AI与人类在推理任务中的相似性与局限 研究发现，人工智能（AI）在面对自然语言推断、三段论逻辑有效性判断及Wason选择任务时，展现出与人类相似的行为模式。这些模式包括对语义内容合理性的依赖，以及在处理与现有知识或信念相符的信息时，推理更加准确和自信。在自然语言推断任务中，AI模型容易将不合理...