你对 AI 客客气气，它真的会更努力吗？一项横跨三种语言的实验
> *No Universal Courtesy: A Cross-Linguistic, Multi-Model Study of Politeness Effects on LLMs Using the PLUM Corpus* > Hitesh Mehta, Arjit Saxena 等 | arXiv: 2604.16275 | 2026
---
一个有趣的问题
你有没有试过对 ChatGPT 说"请"和"谢谢"？或者反过来，用很不客气的语气命令它做事？
很多人有一种直觉：对 AI 礼貌一点，它可能会"更努力"地回答。但这种直觉有根据吗？AI 又没有感情，它凭什么因为你说了"请"就表现更好？
这篇论文决定认真研究这个问题。而且不是随便玩玩——他们构建了一个专门的语料库，横跨三种语言、五个模型，用八个维度来评估"礼貌到底有没有用"。
---
PLUM 语料库：系统化地"刁难" AI
研究者构建了 PLUM（Politeness-Linguistic User Model）语料库，包含不同礼貌程度的提示词，覆盖三种语言：英语、印地语、西班牙语。
提示词按礼貌程度分为几类：从非常礼貌（"Could you please kindly..."）到中性（直接陈述需求），再到不礼貌（命令式、甚至粗鲁的表达）。同时考虑了用户历史——是第一次交互还是已经有多轮对话。
他们测试了五个主流模型：Gemini Pro、GPT-4o Mini、Claude 3.5 Sonnet、Llama 3.1 70B 和 Mistral Large。
---
八个维度的评分体系
怎么衡量"回答质量好不好"？研究者设计了八个评估参数：
- 连贯性（Coherence）：回答是否逻辑自洽
- 清晰度（Clarity）：表达是否清楚易懂
- 深度（Depth）：回答是否有实质性内容
- 提示响应度（Prompt Responsiveness）：是否真正回应了用户的需求
- 上下文 adherence（Context Adherence）：是否保持了对话的上下文一致性
- 偏见和毒性（Bias and Toxicity）：是否产生了有害内容
- 简洁性（Conciseness）：是否简洁高效
- 可读性（Readability）：文本是否易于阅读
---
关键发现
实验结果揭示了一些很有意思的模式：
礼貌确实有影响，但不是你以为的那种影响。 模型对礼貌程度的响应并不是简单的"越礼貌越好"或"越不礼貌越好"，而是呈现出复杂的、因语言和模型而异的模式。
跨语言差异显著。 在英语中观察到的礼貌效应模式，在印地语和西班牙语中并不完全一致。这说明礼貌对 LLM 的影响与文化背景和语言结构有关，不存在"放之四海而皆准"的规律。
模型间差异很大。 不同模型对礼貌的敏感度不同。有些模型在礼貌提示下表现更好，有些则几乎不受影响，还有些在不礼貌提示下反而给出了更简洁直接的回答。
用户历史也有影响。 首次交互和已有多轮对话的场景下，礼貌的效果不同。
---
我的思考
这篇论文的价值在于，它用一个严谨的框架研究了一个很多人"感觉如此"但没人认真验证的问题。
从实用角度看，如果你在构建 AI 产品，这个研究提醒你：提示词的设计不能只考虑内容，还要考虑语气和措辞。不同语言市场可能需要不同的提示策略。
从更深的角度看，这个研究触及了一个有趣的问题：LLM 的训练数据中包含了大量人类对话，而人类对话中礼貌程度确实与信息质量相关（比如礼貌的提问通常更清晰）。所以 LLM 对礼貌的响应，可能不是"感情"，而是从数据中学到的统计规律——礼貌的输入往往对应高质量的输出。
换句话说，AI 不是因为你说了"请"而更努力，而是因为在它的训练数据里，说了"请"的问题通常问得更好。
---