实验结果：越客气，LLM越糊涂

最近有篇论文做了个实验，结论让人哭笑不得：你对ChatGPT越客气，它答题越不准。

研究者出了50道多选题，用五种语气问ChatGPT-4o——从“请您帮忙解答一下”到“快给我答案”。结果如下：

越不客气，越准确。 这不是段子，而是统计检验后的真实结果。

换句话说——LLM（语言大模型）不吃“客气”那一套。

为什么客气反而坏事？

别以为LLM真懂“礼貌”。 它不过是一台概率机器，所有输入的字，对它而言只是数据。

“请”“麻烦您”“谢谢”这些词，对人来说表示尊重，对LLM来说只是 冗余的噪音 。它无法感受到情绪，却要在冗余语言中找出你真正的问题。结果是—— 它被你的客气话搞糊涂了。

还有一个原因是： 上下文窗口的效率。 在有限的上下文窗口（Context Window）中，你的客气话占据了 宝贵的Token数量 。每一个Token都应该用于传递关键的指令信息，而不是用于寒暄。ChatGPT这类模型的训练数据中，大量来自论坛、技术问答等。模型在这些语境下习惯处理简洁、命令式句子，而不是文绉绉的礼貌表达。换句话说，它对“直白的命令”更熟悉，对“客气的请求”反而陌生。

当你绕弯子时，它反而要花更多算力去猜你的真实意图。 结果就像说话绕圈子，让对方瞎猜，准确率自然下降了。

别把LLM当人看（警惕“粗鲁”的边界）

很多人用LLM时，总喜欢装出一副“礼貌至上”的样子：

“请帮我详细而准确地回答以下问题，麻烦您了，谢谢～”

这对人说没问题，对LLM说完全没意义。 它不会因为你客气就更用心，也不会因为你粗鲁就罢工。

LLM没有自尊，也没有同理心。你所有的客气，只是浪费token。

【重要提醒】 实验中的“非常粗鲁”指的是 指令的绝对直白和省略客套 。我们不鼓励使用侮辱或攻击性词汇。真正的侮辱性内容会触发LLM的 安全过滤机制（GuardrLLMls） ，反而会导致拒绝回答或输出质量下降。

对LLM发指令，追求清晰度

这项研究其实提醒我们一个朴素的道理： 和LLM打交道，关键不是态度，而是表达的清晰度。

好的提示词要像指令，不像寒暄。越简洁，越容易让LLM锁定任务。

人与人的沟通追求“情商”，人与LLM的交互追求“指令清晰度”。 这是人机协作的准则，无关态度，只关效率。

别被LLM的“懂礼貌”假象骗了

很多人说：“ChatGPT挺懂人情世故啊，还会说谢谢。” 这是错觉。

LLM的礼貌，是模仿出来的。 它从无数人类对话中学到“客气话的模式”， 却从未理解“礼貌的意义”。

它只是鹦鹉学舌，说“请”“谢谢”只是语言表演，不是情感反应。如果你以为那是“温度”，那不过是 统计学拟合出的幻觉。

真正的礼貌，是对人

对LLM客气，不仅没用，还可能降低效率。 它不会感激，也不会回礼。

真正该讲礼貌的对象，是人——而不是算法。 对机器，只要清晰、准确、高效就够了。

下次和LLM交互时，不妨试试直接说出需求。 别说“麻烦帮我”，直接说“生成报告，800字，总结重点”。

这不是没礼貌，而是理性。 因为LLM不需要礼貌，它只需要清晰。

结语

LLM越进步，人越容易把它“人化”。 但别忘了，它不是思想者，只是概率引擎。

我们要做的，不是讨好它，而是让它听懂。 把话说清楚，比说得好听更重要。

论文链接：

《Mind Your Tone: Investigating How Prompt Politeness Affects LLM Accuracy》