社区开发者本周在 Qwen 一款 4B 模型上做了个测试：禁用「等等」「也许」这类犹豫词后，常用精度版本下 MATH-500 数学题正确率从 60% 涨到 66%，推理 token（模型生成的中间思考文字）反而减少 14.8%。这不是民间偏方 — 我们注意到，Meta 一篇论文早就指出，AI 解题时频繁蹦出这些词是「过度思考」的信号，禁掉它们反而更准。
这是什么
具体做法是用 llama.cpp（一种本地跑开源大模型的工具）的 logit bias（调整特定词的输出概率）功能，把「wait」「maybe」「perhaps」等近 50 个犹豫词全部压低。开发者测试了 BF16、Q8_0、Q4_K_M、Q3_K_M、Q2_K 五种精度（数字越小压缩越狠，显存占用越低但精度损失越大）。结果很整齐：BF16 从 74% 升到 84%，Q2_K（极端压缩版）从 12% 翻倍到 24%，几乎所有精度都有 6-14 个百分点的提升。
说人话：让 AI 解题时别自言自语，答案更准，成本也更低。
行业怎么看
支持方兴奋。这是开源社区的胜利 — 大公司发论文，普通开发者一周内就在不同精度上复现并扩展。推理 token 降 10-20%，意味着同样硬件能跑更多任务，对本地部署成本敏感的企业是直接利好。
反对意见也很明确。第一，这是单模型单测试集（MATH-500）的结果，结论不能直接外推到所有任务；第二，方法粗暴 —「however」「but」这类正常转折词也被禁了，可能损害语言连贯性；第三，聊天场景下没人愿意跟一个不会说「也许」的 AI 对话，体验会变「愣」。
对普通人的影响
对企业 IT：本地部署开源大模型的隐性成本可能继续走低，中小公司自建 AI 助手的门槛又降一截。
对个人职场：用 Qwen 等开源模型做数据分析、报表时可以试这个技巧，但写文案、对话场景就别指望也涨点了。
对消费市场：AI 解数学题、考试辅导类应用会更靠谱；聊天机器人的「语气」可能变机械。