在移动和嵌入式设备上，越来越多的大型语言模型（LLMs）被部署以提高隐私性和降低网络延迟。然而，设备端推理面临着一个根本限制：在电池供电和资源有限的硬件上，高能耗问题。尽管模型压缩和运行时加速已被广泛研究，但 \textit{提示设计}对能效的影响仍然未得到充分探讨。本文呈现了一个实证研究，探讨了提示词语与设备端LLM能耗之间的关系。
通过在智能手机上收集的真实功率测量数据，我们量化了语言特征，尤其是命令性关键词和指令结构，如何影响解码长度和总能耗。研究结果表明，不同动词和任务之间存在一致的能耗差异，表明提示工程是提高能效的轻量级手段。
博主点评： 这项研究突出了提示设计在提升LLM能效方面的潜力，尤其在资源受限的环境中。通过优化提示内容，可以显著降低能耗，具有重要的实际应用价值。