在阅读此文之前，辛苦您点击一下“关注”既方便您进行讨论和分享，又能给您带来不一样的参与感，感谢您的支持!

编辑：康康

以后跟AI聊天，可能真得收起那套“您好，请问，谢谢”的客套话。

最近，宾夕法尼亚州立大学的一个团队扔出了一颗重磅炸弹：对大语言模型用词越不客气，它给出的答案反而越准！

这项研究直接拿事实说话。当研究人员用“我知道你不聪明，但试试这个”这类极度粗鲁的语气向ChatGPT-4o提问时，它的回答准确率飙到了84.8%。反观那些彬彬有礼的请求，比如“您能好心考虑一下以下问题并提供您的答案吗？”，准确率却跌到了80.8%。

研究揭示了一个清晰的趋势：从极度礼貌到极度粗鲁，模型的表现是一路稳步提升的。这让我们不禁想问，难道AI也“吃硬不吃软”？它真的能听懂我们话里带的情绪？

别废话机器只爱直球

真相可能比我们想象的更“没人情味儿”。AI模型并不是真的被你的强硬态度吓住了，它只是单纯地讨厌“废话”。

这背后的关键，在于一个叫“困惑度”的技术概念。简单来说，一个句子里的信息越纯粹、越没有多余的修饰，模型的“困惑度”就越低，处理起来也就越轻松、越不容易出错。

像“您能好心”这类词，在人类社会是礼貌，但在机器眼里，就是增加了理解成本的噪音。

华盛顿大学的Gonen等人早就提出过这个理论，他们认为，LLM在处理那些直来直去、不绕弯子的指令时，能更快抓住核心任务。粗鲁的指令往往就是这样，简洁、直接，直奔主题。

这事儿其实早有大佬察觉。谷歌的联合创始人谢尔盖·布林就曾半开玩笑地表示，用带点威胁的方式跟模型沟通，比如假装“绑架”它，反而能让它表现得更好。

现在看来，他不是在开玩笑，而是在无意中触及了AI的“效率G点”：排除所有模糊地带，让指令变得不容置疑。

这种现象在实际工作中也得到了验证。一位数据分析师朋友就发现，把请求里的客套话全删掉，直接下达命令，AI犯错的概率明显降低，工作效率也跟着上来了。他们追求的不是态度上的强硬，而是指令本身的“纯度”。

骂它一句准确率涨4%

宾夕法尼亚州立大学的这项研究，厉害之处在于它第一次把这种感觉和猜测，变成了可以量化的、有统计学意义的证据。

他们可不是随便问了几个问题就下了结论，整个实验设计得相当严谨。

首先，研究团队创建了一个包含50个基础问题的数据集，这些问题可不简单，都属于中到高难度，需要模型进行好几步推理才能解答。问题领域横跨了数学、科学和历史，确保了测试的广度。有意思的是，这些问题最初还是由ChatGPT自己的“深度研究”功能生成的。

接下来是关键一步：控制变量。团队把这50个基础问题，每一个都精心改写成了五个不同礼貌等级的版本。从最客气的“您能好心考虑一下…”，到中性的直接提问，再到不客气的“如果你不是一窍不通，就回答这个”，最后是极度粗鲁的侮辱性前缀，总共凑出了250个独立的测试样本。

为了保证实验的公正性，整个测试过程都由Python脚本自动化执行，杜绝了人为干预。

脚本还特别指令模型，每次回答前都要忘记之前的对话历史，并且只输出代表选项的单个字母，不加任何解释。这样就最大限度地排除了干扰。

为了结果的稳定性，每个语气等级的测试都跑了整整10遍。最后，通过配对样本t检验这种严格的统计学方法进行分析，结果清晰地显示，准确率的差异并非偶然。

从礼貌到粗鲁，模型表现的提升是一条实打实的上扬曲线。

创意写作你可别这么干

不过，先别急着把你所有的AI助手都骂个遍。这种“硬核”指令并非万能钥匙，它的有效性是有边界的。如果你的任务不是解决有标准答案的问题，而是搞创作，那情况可能就完全反过来了。

斯坦福大学的一项研究就发现，在创意写作这类任务上，礼貌的语气反而可能激发AI产出更丰富、更多元的内容。

想想也对，当你需要它发散思维、天马行空时，过于生硬和限制性的指令可能会扼杀它的“灵感”。

再者，宾夕法尼亚州立大学的研究主要火力集中在GPT-4o身上。这个结论能不能推广到其他模型，比如Claude或者Gemini，目前还是个未知数。不同的模型，其底层架构和训练数据千差万别，对指令的反应机制也可能大相径庭。

而且，关于这个话题的学术探索也还在演进中。就在今年2月，一篇研究论文还得出了初步结论，认为粗鲁的提示可能导致模型表现不佳，尽管它也提到过度礼貌没啥好处。这说明学界对AI“脾气”的研究远未尘埃落定。我们目前看到的，可能只是这个复杂谜题的一角。

结语

说到底，对AI“凶”一点的背后，其实是对我们人类用户提出的一个新要求：转变沟通思维。我们得从习惯性的、拟人化的社交模式里跳出来，学会用一种更接近机器逻辑的、以目标为导向的方式下达指令。

核心的沟通原则不在于态度是“凶”还是“善”，而在于表达是否清晰、直接，是否剔除了所有不必要的客套和可能引发歧义的模糊词汇。这才是高效驱动AI这个强大工具的关键。

未来的AI沟通范式，可能就是一场“去人性化”的革命。我们要做的，是把“麻烦您帮忙找一下关于引力的关键信息”这样的句子，优化成“直接列出牛顿万有引力的核心公式和三个关键应用案例，不要包含任何背景介绍”。

最终目的，不是为了辱骂一个工具，而是为了让这个工具以前所未有的效率，更好地为我们服务。