语气是否影响 LLM 性能？
人工智能
2026-05-29 v1 计算与语言
人机交互
摘要
大语言模型（LLM）的应用日益增长，但其性能观察到会因提示风格和语气而有所不同。本研究探讨了提示中语气变体是否及如何导致 LLM 准确率存在差异。我们使用两个数据集：一个包含五个语气变体的 50 题基础问题数据集，以及一个覆盖 57 个学科、每个学科有七个语气变体的 570 题 MMLU 子集。实验评估了四个成本效益高的流行 LLM：ChatGPT-4o、ChatGPT-5-nano、Gemini 2.5 Flash 和 Gemini 2.5 Flash Lite。在所有模型中，语气效应是系统性的，但高度依赖于模型。一些模型表现出小而显著的变化，而另一些模型则在不同语气之间表现出大幅准确率波动。进一步，我们识别出学科层面的语气敏感性差异，并提出一种路由框架来解释语气如何影响内部推理模式。我们的发现警示用户不要假设 LLM 在部署时具有语气不敏感的可靠性。
引用
@article{arxiv.2605.29027,
title = {Mind Your Tone: Does Tone Alter LLM Performance?},
author = {Om Dobariya and Akhil Kumar},
journal= {arXiv preprint arXiv:2605.29027},
year = {2026}
}
备注
10 pages, 6 tables, 1 figure. Accepted as a full paper at the Thirty-second Americas Conference on Information Systems (AMCIS 2026), Reno. Follow-up to arXiv:2510.04950