摘要：，，随着人工智能技术的不断发展，大型语言模型的应用越来越广泛。在与大模型交互时，如何让AI少说废话，提高交流效率成为了一个重要的问题。本文将探讨如何通过有效的提问方式，让大模型更高效地进行响应。，，提问时要明确具体的问题和目标。避免提出模糊、笼统的问题，而是将问题细化到具体的点，让大模型能够准确理解并作出有针对性的回答。这样可以避免AI给出无关紧要的信息，提高交流效率。，，使用简洁明了的语言表述问题。避免冗余和复杂的句子结构，用简洁的语言描述问题，有助于大模型快速理解并处理信息。简洁的提问方式也能减少交流时间，提高交流效率。，，提问时要关注问题的核心要点。避免提出无关紧要的问题，而是关注解决问题的关键所在。大模型会根据问题的核心要点，给出更加精准、有用的答案，从而提高交流效率。，，结合实际应用场景提问。在具体的应用场景中，提问方式也需要根据实际情况进行调整。针对特定领域或任务的问题，需要结合实际情况进行提问，这样大模型才能给出更加符合实际需求的有用信息。，，通过明确具体的问题和目标、使用简洁明了的语言表述问题、关注问题的核心要点以及结合实际应用场景提问，可以让大模型更高效地进行响应，提高交流效率。在未来的发展中，随着人工智能技术的不断进步，有效的提问方式将越来越重要。

前几天阿里的qwq模型，很多人体验后给出了很高的评价。不过使用几次之后很容易注意到它有时候像个"话痨"。明明一句话能说清的事情，非要绕上好几个弯。https://post.smzdm.com/p/aqzp4w27/

这不仅让用户阅读体验变差，更重要的是，假如我将模型用在产品中，每多说一个字都在烧钱。今天，我们来聊聊一个让大模型少说话、多办事的新方法——Chain of Draft (CoD)。https://post.smzdm.com/p/aqzp4w27/

AI为什么这么"话痨"？

现代大语言模型(LLM)普遍存在一个问题：生成内容时过于冗长。尤其是在解决复杂问题时，它们倾向于详细解释每一步思考过程，就像一个过分热情的数学老师，非要把每个步骤都写得清清楚楚。这种现象主要源于训练数据的影响，模型学习了人类详细解释问题的方式；同时广泛使用的提示词方法也鼓励模型详细展示推理过程。https://post.smzdm.com/p/aqzp4w27/

以QWQ为代表的小模型尤其如此，参数量不够意味着更需要用过度思考来弥补。因此我们在使用QWQ模型时长长需要忍受无比缓慢的思考过程。https://post.smzdm.com/p/aqzp4w27/