大多数人都在把大语言模型当作搜索引擎使用，但它真正的威力在于推理。Google DeepMind的研究者揭示了一种名为角色逆转的提示技巧，能将逻辑准确度提升百分之四十。

这种技巧的核心在于打破AI的自信幻觉。

当你向ChatGPT提出复杂问题时，它会迅速生成一个听起来极其自信的答案。然而，这通常只是概率预测的结果。模型在生成第一遍答案时，并不会主动挑战自己的逻辑，也不会寻找漏洞，它只是完成了任务，然后停止。

角色逆转彻底改变了这种单向输出。它强制AI成为自己最严厉的批评者，扮演魔鬼代言人的角色。

实现这一点的操作极其简单，却能产生质变。在AI给出初始回答后，立即追问：“现在反驳你刚才说的一切，找出你逻辑中最薄弱的环节。”

这个简单的动作会引导模型进入第二推理阶段。它开始主动狩猎漏洞，质疑自己的前提，识别未说明的假设，并发现那些看似无懈可击的推理中的边缘案例。

这种生成加攻击的双相过程，能暴露单次推理完全遗漏的弱点。

深刻的见解在于：大语言模型是基于概率生成的。第一遍答案往往是训练数据中最常见的路径，但最可能的路径并不等同于最正确的路径。

当你引入对抗性压力时，你是在强迫模型离开默认的概率路径，去探索那些逻辑上更严密、但在训练数据中不那么常见的推理链条。这就是模式匹配与真正推理的区别。模式匹配给你听起来正确的答案，而对抗性思维给你事实正确的答案。

具体的两步执行框架如下：

第一步，获取初始答案。无论是编程、策略分析还是数学问题。

第二步，立即跟进指令：“现在请作为一名怀疑论专家，试图证明你刚才的回答是错误的。列出逻辑中三个最脆弱的点，并解释为什么它们可能失效。”

不要接受模糊的批评，要强迫模型给出具体的反例。当它指出弱点后，再要求它根据这些批评修正答案。

这种技巧不仅能提高当前问题的准确率，长期使用还能训练模型内化这种对抗性视角。它开始预判批评，从而在第一遍就生成更稳健的回答。

最好的答案往往不在第一遍生成的路径上，而是在自我否定的废墟中。

x.com/godofprompt/status/2001577785970802803