寫提示詞別再加「你是專家」，研究建議直接發送指令

在生成式人工智慧（AI）的運用中，許多使用者習慣在提示詞（Prompt）開頭加入「你是一位專家級程式設計師」等角色設定，試圖藉此提升輸出品質。然而，根據南加州大學（USC）研究團隊及多項最新實驗顯示，「專家人格」提示法在處理程式編寫與數學運算等任務時，反而會導致模型表現下滑。

南加州大學研究員 Zizhao Hu 及其團隊在名為《專家人格提升大型語言模型（LLM）對齊（Alignment）但損害準確性》（Expert Personas Improve LLM Alignment but Damage Accuracy：Bootstrapping Intent-Based Persona Routing with PRISM）的預印論文（Preprint）中指出，人格提示的效果具有高度的「任務依賴性」。

研究發現，雖然設定特定人格能有效提升模型在寫作、角色扮演及安全性（如拒絕惡意攻擊）等「對齊（Alignment）依賴型」任務的表現，但在涉及程式碼與數學等「預訓練依賴型」任務時，結果卻適得其反。

根據大規模多任務語言理解（MMLU）基準測試，當要求模型在多選題中做出決策時，設定為專家人格的模型準確率僅為 68.0%，低於基礎模型的 71.6%。研究人員解釋，這可能是因為人格前綴啟動了模型的「指令遵循模式」，進而占用了原本應用於「事實檢索」的運算資源。換言之，告訴模型它是專家並不會增加其訓練資料中的事實，反而可能阻礙它從預訓練資料中提取正確資訊的能力。

針對此問題，USC 研究團隊提出了一種名為 PRISM（基於意圖自我建模的人格路由）的新技術。此項技術利用門控 LoRA（低秩適配，Low-Rank Adaptation）機制，讓模型在需要人格特質提升輸出時才啟動適配器（Adapter），其餘時間則回歸基礎模型以確保知識準確性。

對於一般使用者，研究人員建議：若重視安全性、規則或結構遵循，應提供具體的要求與人格設定；但若核心需求是事實準確性與邏輯運算，則應避免添加不必要的人格修飾，直接發送查詢指令即可。