你是否也曾在和ChatGPT这类大语言模型聊天时，被它长篇大论的“废话”困扰？孟加拉国吉大港瑞典理工学院的一项新研究，不仅戳中了无数AI用户的痛点，更用硬核数据证明：让AI“少说两句”，反而能大幅提升回答的准确性。
### 大模型的“反向缩放”悖论
研究团队针对31款主流大语言模型展开测试，却发现了一个反直觉的现象：在7.7%的任务中，参数量更小的模型反而比大模型表现更出色，这种“越大越差”的情况被称为“反向缩放”。在BoolQ阅读理解数据集里，这一现象尤为明显，而在常识推理、科学知识等任务中也普遍存在。
进一步分析显示，出现反向缩放的任务中，小模型的准确率平均比大模型高出28.4个百分点，且这一趋势在Llama、Qwen、Gemma等多个模型家族中均有体现。这意味着，模型规模的提升并非总能带来性能的线性增长，在特定场景下，更大的参数规模反而会成为“负担”。
### 啰嗦背后：大模型的“过度思考”陷阱
研究团队将大模型的这一问题定义为“过度思考”——并非推理能力不足，而是冗长的表述掩盖了正确的逻辑。数据显示，在表现不佳的任务中，大模型的回答长度普遍远超小模型，且错误往往出现在那些不必要的长篇解释里，而非核心结论部分。
为什么大模型会更啰嗦？研究指出，人类反馈强化学习（RLHF）可能是关键原因。在训练过程中，人类标注者常将“详尽”等同于“优质”，导致奖励模型存在明显的“长度偏见”。大模型由于具备更强的学习能力，会更深刻地内化这种“越长越好”的信号，最终形成了过度表述的习惯。
此外，训练数据中的SEO导向内容（如为了提升权重而刻意拉长的食谱、攻略），以及部分平台可能存在的“促使用户消耗更多token”的潜在动机，也在一定程度上加剧了大模型的啰嗦问题。
### 限字令：最高提升26.3%准确率的简单解法
既然啰嗦是问题根源，那么限制回答长度是否能解决问题？研究给出了肯定的答案：通过强制大模型缩短回答，其准确率最高可提升26.3个百分点，与小模型的性能差距也从44.2%缩小至14.8%，降幅达67%。
在数学推理（GSM8K）和STEM科学知识（MMLU-STEM）任务中，效果尤为显著：当大模型被限制在50字以内回答数学问题、10字以内完成阅读理解时，不仅回答长度从平均197token骤降至80token以下，部分任务中甚至实现了对小模型的反超。而小模型在限字指令下的表现几乎没有变化，说明过度表述确实是大模型独有的“规模病”。
### 从临时指令到工程默认：让AI学会“言简意赅”
目前，用户只能通过在对话中反复输入“请简洁回答”来约束AI，但这种临时指令无法跨对话生效。研究团队提出，更彻底的解决方案是将“简洁输出”设为平台的工程默认值，通过全局系统提示词让大模型从根源上改变表述习惯。
不过，这并不意味着所有场景都需要极致简短的回答。研究发现，不同任务对回答长度的需求存在差异：数学、科学类问题从限字中获益最大，而部分需要解释过程的任务则保留一定的表述空间即可。关键在于找到每个任务的“最优长度阈值”，在准确性和信息完整性之间取得平衡。
### 大模型发展的新启示：更大≠更好
这项研究打破了“模型越大性能越强”的固有认知，为大语言模型的优化提供了新方向。未来的模型训练或许需要重新审视RLHF的奖励机制，避免将“长度”与“质量”绑定；同时，也可以在训练数据中引入更多对话式、简洁性的内容，引导模型形成更高效的表述风格。
对于普通用户而言，这一发现也提供了实用技巧：在需要准确答案的场景下，不妨给AI加上“限字”指令，比如“用10字以内回答”“只给结果不要解释”，或许能收获超出预期的精准回复。毕竟，有时候，少说话，真的能办大事。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/llm-yue-luo-suo-yue-bu-zhun-yan-jiu-xian-zhi-hui-da-chang
