表述差异会导致结果差异

概念解释

「把这段改短一点」和「压缩到一百二十字、保留数字与专名」指向同一意图，却常常走出两条成品。提示敏感（prompt sensitivity）说的是：在开放输入里，表面措辞是真正的自变量，不是可忽略的包装。人对近义词默认「意思一样就行」；解码器对词、词序、标点和少一个约束都重新加权。

它不是「用户还没学会怎么说」——即使两句话在说话人看来已经同义，结果仍可分叉。也不是事后形成的「存在一句要背的口令」那种民间理论，只是映射本身不稳定。

机制

自回归模型把提示当作条件上下文。近义替换会改写注意力落点：一个词把模型拉向「口吻」，另一个拉向「长度」，第三个触发某个工具格式。少写的约束不是被问回来，而是被先验填上，所以两句「差不多」的话其实在条件分布的不同区域采样。温度再把区域内的点打散，于是连同一句的两次运行都会晃——措辞差异是在这个晃动之外又加了一层输入噪声。

人的语言理解靠意向：听者会把措辞差归一到同一个目标。把这套听者模型套到生成入口上，就会把结果差读成系统偶发故障，而不是读成「你换了自变量」。

怎么研究

固定意图说明书（给编码员看，不给模型看），让不同人各写一条提示，或用释义模型批量生成释义，全部跑同一解码设置。度量输出在任务指标、结构槽位、禁用项上的分歧。自变量：释义的编辑距离、是否显式写出数值约束、提示长度。因变量：输出两两一致率、关键槽位命中率、人类判定「是否仍算完成同一任务」。

必须把采样噪声从措辞效应里拆开：每条提示重复 n 次，先看组内方差，再看组间方差。组间仍显著大于组内，才谈得上表述在驱动结果。

边界

被强结构约束的调用——JSON schema、只能填三个枚举字段、下游规则校验——会把措辞差压到格式层以外几乎看不见。温度锁死且提示被系统重写成内部规范语句时，用户侧的措辞差异被一层编译抹平。创意探索里，措辞差本身是想要的分叉，不能当缺陷。这条只覆盖「用户以为自己在说同一件事、系统当成两件事」的任务型生成。

怎么落地

• 在发送前把用户的话解析成可见的约束清单（长度、对象、禁止项）。用户改的是清单，不是再赌一句近义词。
• 对已成功的提示提供「换个说法再试」时，并排保留两次结果，让人看见分叉来自措辞而不是刷新失败。
• 需要稳定时，不要让同一意图每次都以原文提示直达模型；先归一到内部任务表示再生成。
• 验证：准备三句人类评为同义的请求，在同一账号、同一设置下各生成一次（每句再各重复一次以估计采样噪声）。若三句之间的任务级差异稳定大于各句内部的差异，界面仍把措辞当包装而不是自变量。

延伸

• 同组：L2.01.1 开放输入不提示能力范围 · L2.01.2 用户不知道该怎么说是主要门槛 · L2.01.4 空白输入框不传达任何能力边界，用户的第一句话本质上是猜测 · L2.01.5 开放输入把失败的归因引向用户自己说得不好 · L2.01.6 同义表述得到不同结果，用户会误以为存在需要背诵的固定说法 · L2.01.7 开放性使功能无法被枚举，产品的能力清单不再可完整展示 · L2.01.8 开放输入的错误提示难以具体，因为系统并不知道用户原本想做什么
• 相邻：L1.01 概率性输出与确定性界面的错配 · L2.15 指令的歧义与澄清追问 · L2.04 参数化控制与自然语言的互补
• 站内检索：prompt sensitivity · paraphrase robustness · phrasing-dependent output