叫AI「想像你是一位專家」沒用？寫出的程式碼竟比免費AI模型還差

2026-03-28

記者鄧天心／綜合報導

許多人在用AI時，習慣先下一道指令讓AI「想像自己是某個領域的專家」，然而，近期有研究人員發現，預先幫你的AI下「角色設定（Persona-based prompting）」指令，在處理特定任務時可能效果反而變更差。

AI正悄悄重塑工作市場，半數初階白領工作可能在未來五年消失。（圖／AI生成） — 研究發現叫AI扮演工程師，寫出的程式碼竟然比基礎模型還差。（圖／AI生成）

南加州大學（USC）的研究團隊在名為《專家角色提升大語言模型對齊但損害準確性》的預印論文中指出，角色設定的效果高度取決於任務類型，對於依賴「對齊（Alignment）」的任務，如寫作、角色扮演等，設定角色確實能提升表現；但對於依賴「預訓練（Pretraining）」知識的任務，如數學與程式編寫，使用該技術反而會讓結果變更差。

研究人員利用MMLU（大規模多任務語言理解）基準測試發現，當要求大語言模型（LLM）在多選題中做出選擇時，「專家角色」的表現始終低於基礎模型，其整體準確度僅為68.0%，低於基礎模型的71.6%。

更多科技工作請上科技專區：https://techplus.1111.com.tw/

研究人員解釋，告訴模型它是某個領域的專家，並不會真的賦予它更多專業知識，因為訓練數據中並沒有增加任何事實。相反地，這類指令可能會激活模型的指令遵循模式，進而擠佔了原本用於事實檢索的運算資源。

南加州大學（USC）博士生胡子昭（Zizhao Hu）分析指出，要求AI扮演「專家級工程師」其實無法憑空變出更好的代碼品質；但如果你的需求是關於UI美感、專案架構或是特定的工具偏好，這種角色設定依然能幫AI更貼近使用者的胃口。

研究團隊開發出一種名為PRISM的新技術，這套系統就像一個聰明的切換開關，當需要專業事實與邏輯時，會讓AI回歸「冷靜模式」提取原始知識；只有在需要特定風格或遵循安全規則時，才會啟動角色模組。