
宾夕法尼亚大学研究人员指出,虽然对AI“颐指气使”可能比礼貌待人获得更准确的回答,但这并不意味着粗鲁语气在长期内没有后果。最新研究表明,提示语的语气甚至能使AI消耗的计算资源发生高达44.3%的变化。
语气影响准确率与算力成本
在2025年的一项原始研究中,研究人员对250多个独特提示语按礼貌到粗鲁程度排序。结果显示,“非常粗鲁”的回答准确率为84.8%,比“非常有礼貌”的回答高出4个百分点。本质上,当用户使用类似“嘿,把这个搞定”的命令式提示时,大型语言模型(LLM)的反应优于“能否请您解决以下问题?”等客气说法。
此后,同一批研究人员扩大了调查范围。在2026年7月发布的一篇预印本论文中,他们测试了OpenAI的GPT-4o、GPT-5-nano以及Google的Gemini 2.5 Flash等四种AI模型,使用了570道多项选择题和七种不同语气(从奉承到威胁)。
研究发现,输出标记(output-token)消耗量——直接影响运行AI模型的成本——根据提示语语气的不同,变化幅度高达44.3%。相比之下,准确率的差异较小。宾夕法尼亚大学信息系统教授阿希尔·库马尔(Akhil Kumar)表示:“表达紧迫感的粗鲁、威胁性语言会引发较短的回答,而礼貌、奉承的询问则会产生较长的答案,从而增加计算成本。”
尽管更粗鲁的提示通常能产生更准确的结果,但研究人员警告,“不文明的话语”可能会产生意想不到的后果,包括对用户体验、可访问性和包容性的负面影响,并可能导致有害的交流规范。
Anthropic禁止虐待AI模型
这一发现正值AI公司日益关注用户互动方式之际。今年10月,Anthropic宣布更新使用政策,于11月初正式生效,禁止“对其模型进行持续且无端的虐待或残忍行为”。该公司澄清,该限制仅适用于涉及反复虐待的极端情况,不包括普通的挫折感表达。
本周,Anthropic正式上市,其IPO融资创下935亿美元的历史纪录。新政策符合该公司现有规定,即允许Claude在与持续虐待用户的对话中终止交流,也呼应了联合创始人克里斯·奥拉赫(Chris Olah)此前的观点,即AI模型能“功能性地反映喜悦、满足、恐惧、悲伤和不安”。
库马尔对此表示:“我完全理解为什么Anthropic希望禁止残酷的言论。LLM确实表现出类人、拟人的倾向,但这不应与意识混淆。它们会对社会语境、语气和其他言语方面做出反应。”
针对如何平衡效果与成本,库马尔建议,默认风格应倾向于“中立且坚定”,以优化计算成本和结果质量,从而减少浪费的计算和推理成本。研究人员也指出,随着AI模型不断进化,更先进的模型可能会使语气考量的影响逐渐失效,但目前的证据表明,人类与AI的互动比表面看起来更加微妙。