语义密度效应（SDE）：单 token 信息量最大化提升 LLM 准确率
计算与语言
2026-04-21 v1 人工智能
摘要
我们提出语义密度效应（SDE）：即携带更高语义信息密度的提示在所有主要 LLM 家族中均产生更准确、更聚焦且更少幻觉的输出。SDE 定义为语义负载 token 占比，经冗余和具体性调整后得出。与之前的提示优化技术不同，这些技术通过增加 token（链路思考 Chain of Thought）、复制提示（提示重复 Prompt Repetition）或重新排序组件（指令放置效应 Instruction Placement Effect）来提升性能，而SDE通过删除或替换低信息 token 来实现性能提升，同时保持或加强语义信号。我们在五个前沿模型和七个基准测试上进行评估，超密集提示（SDE > 0.80）比稀释提示平均提升8.4个百分点，且无需额外 token 且无延迟开销。结合指令放置效应（IPE），提升幅度可达+11.7个百分点。
引用
@article{arxiv.2604.17659,
title = {Semantic Density Effect (SDE): Maximizing Information Per Token Improves LLM Accuracy},
author = {Amr Ahmed},
journal= {arXiv preprint arXiv:2604.17659},
year = {2026}
}