研究：将指令复制两次可将医疗问答通过率提升2.95个百分点
arXiv预印本提出“指令复制”推断期控制方法，无需重训或改变解码，可消除30.2%残余失败，但最终回答准确率保持不变。
AI解读：这项研究针对的是大语言模型在执行复杂指令时经常“跑偏”的问题——模型读了医生的诊断步骤，却在生成检查路径时遗漏或错序。作者提出一个极简的黑盒技巧：把程序性指令原样重复两遍，而不是像通常的提示工程那样改写或强调。数据显示，在300道医学多选题、8种指令位置条件下，重复指令让通过全部8项可观测测试的确定性响应比例从90.22%提升到93.17%，消除了30.2%的残余失败。但关键局限在于，最终答案的准确率仍是60.21%——也就是说，这个技巧改善的是“过程合规”，不是“结果正确”。对真正依赖模型生成轨迹做下游修复的医疗问答系统，这一差异可能意味着修复成本大幅下降；对只关心最终答案是否正确的用户，则没有明显价值。需要强调的是，这项研究来自arXiv预印本，且其自身设计的盲审挑战未达到预定的28/30确认标准，23.3%的提前承诺率上升也提示重复指令可能让模型过早固定思路，实际部署前仍需谨慎评估。
arXiv预印本（编号2609.04024v1）提出一种名为“指令复制”（instruction duplication）的黑盒推断期控制方法：仅将程序性指令重复一遍，不进行重训练，也不改变解码方式。研究者在7个经指令微调的模型、300道医学多选题、8种指令放置条件和16,800次计划生成中测试该方法。
实验结果显示，将指令从一份复制为两份，确定性All-8诊断指标（即通过全部8项可观测测试的响应比例）从90.22%提升至93.17%，提高2.95个百分点，消除了单份指令后剩余失败的30.2%。
复制指令的方式与效果边界
在预临时（pre-provisional）TF-IDF召回率上，复制指令使结果从73.44%提升至74.81%（提高1.38个百分点，Holm校正p<0.001），但最终答案准确率保持在60.21%，未发生变化。
研究同时记录了复制指令带来的副作用：过早承诺（premature commitment）的比例从1.52%上升至2.30%（Ho校正p=0.00536）。作者对此的解读是，复制指令提升了过程合规性，但未能改善最终答案的正确性。
论文还报告了一项盲法挑战审计（blinded challenge audit）的结果：30项方向性确认中有10项，20项感知一致，未出现反转。但结果未达到预定的28/30确认标准，意味着外部审计未能充分支持该方法的优越性。
下游维修场景中的差异体现
论文指出，当生成轨迹被下游系统用于操作时，过程合规性的提升可能产生实际价值。在Answer Engineering（AE）这一场景中，显式轨迹状态决定了局部修复的方式：此前发表的“原因优先、禁止编辑”的SSNHL终点记录为25.1%；仅使用系统AE时的复现结果为84.2%；而加入同样的尾部复制指令后，该指标提升至97.1%。
在传导性诊断分支保持（conductive diagnostic branch preservation）方面，对应的数值分别为：无编辑基线58.9%、复现AE为78.6%、AE加复制指令为73.8%——后者在AE内部有所下降，但仍比无编辑基线高出14.9个百分点。
作者总结称，指令复制是一种低复杂度、对放置位置敏感的控制方法，其实用价值取决于下游系统如何处理暴露出的轨迹。该研究由Victor Lavrenko（PeaceTech VC, Israel）提交至arXiv，论文共7页、2张表格，代码和可复现工件已公开。