别再对 AI 盲目客气：跨语言视角下的礼貌效应深度解析

TL;DR

你是否觉得对 ChatGPT 说“请”会让它回答得更好？这项涵盖 22,500 组实验的最新研究告诉我们：礼貌确实能影响 AI 的智商（响应质量），但这种影响既非万能，也不通用。 在英语中，客气点有好处；但在西班牙语里，直接甚至带点“冲”的语气反而能压榨出更高的性能。

历史不仅是记忆，更是语气的“锚”

研究者提出了一个核心概念：对话惯性 (Conversational Inertia)。 简单来说，如果你一开始对模型很客气（Polite History），即使后面偶尔无礼，模型依然会维持较高的服务水准。反之，如果对话是以互怼（Impolite History）开始，那么后续即使你变得客气，响应质量（CQS）也很难立刻反弹。

这种现象在英语中最为显著：Llama 3 在礼貌历史下的表现比无礼历史高出 10.6%。这提示我们，想要模型干活好，开头“寒暄”几句可能真的是有效的 Prompt Engineering。

核心方法论：PLUM 语料库与八维评估模型

研究者不仅是简单地看模型回答得快不快，而是建立了一套极其严密的评估框架。

他们评估了：

1. 逻辑流 (Coherence)：句子之间是不是顺。
2. 语法 (Clarity)：有没有病句。
3. 深度 (Depth)：内容是不是干货。
4. 响应性 (Responsiveness)：有没有跑题。
5. 毒性 (Toxicity)：是否产生了负面内容。

跨语言的“文化冲击”：模型也有性格？

这篇论文最深刻的洞见在于：模型在大规模预训练中竟然内化了不同语言的文化礼貌逻辑。

• 英语 (English)：典型的“低语境”语言。它最吃“礼貌历史”这一套，但也对直接的指令（Bald-on-record）有很好的响应。
• 印地语 (Hindi)：强调层级和委婉（Negative Politeness）。实验发现，使用间接、客气的表达方式（如“不好意思打扰了，但是...”）能让 Llama 达到最高分。
• 西班牙语 (Spanish)：这是实验中最令人惊讶的部分。数据表明，断言式（Positive Impoliteness）甚至是直接挑战的语气，竟然能显著提升所有模型的表现。

谁是最敏感的“林黛玉”？

在模型鲁棒性对比中：

• Llama 3 是最敏感的，它的表现随着用户语气的变化上下波动极大（幅度达 11.5%）。
• GPT-4o Mini 则展现出了强大的“职业素养”，即便用户态度恶劣，它的响应质量下降也微乎其微（仅 1.5%）。
• DeepSeek-Chat 在处理冷启动（Cold Start）任务时极具优势，在没有任何对话背景的情况下，其基础得分在多种语言中均处于领先。

深度洞察与总结

礼貌在大模型时代不再仅仅是礼仪问题，它已成为一个计算变量。

给实践者的启示：

1. 多轮对话胜过单次指令：先通过几句礼貌的开场白建立“高质量基调”，能有效提升后续复杂任务的产出。
2. 按语言“定制”语气：如果你用西班牙语跟 AI 沟通，可以表现得更自信、更直接甚至更强硬；如果你用印地语，请务必保持谦逊。
3. 模型差异化：对于 Llama 类对语气敏感的模型，Prompt 的语气优化价值巨大；而对于 GPT 系列，语气优化属于锦上添花。

总结： 没有通用的礼貌，只有最适配语境的 Prompt。这项研究不仅填补了多语言礼貌效应的空白，也为未来“文化敏感型”AI 的开发指明了方向。