NYU 与 UT Austin 研究发现六种让 AI 文本难读的语言模式

纽约大学和德克萨斯大学奥斯汀分校研究人员的一项研究用数据支持了这一点。该团队让 14 个语言模型在休闲对话、编程会话和议论文中生成文本。模型阵容包括 Claude、GPT-5.6、GLM-5、Kimi K2.5，以及 Llama 和 Olmo 等较小的开源模型。研究人员总共分析了 120 段对话、45 个编程会话和 980 篇文章，并将其与来自电影字幕、StackExchange 和学生作文的人类文本进行了比较。

让 AI 文本难以阅读的六个模式

AI 模型过度使用在人类写作中很少出现的异常词语组合，比如“reader-patience budget”（读者耐心预算），而且它们会把句子中相关的部分隔得很远，加重工作记忆的负担。Claude Opus 5 生成了“A cat who can always get up and away is a much calmer cat”（一只总能起身走开的猫是一只平静得多的猫），其中主语和主要谓语之间隔了一个很长的从句。

省略连接词的缩略指代也很常见。模型不写“the book that the professor wrote”（教授写的那本书），而是写“the book the professor wrote”，省了一个词，但会让人短暂地困惑各部分是如何组合在一起的。像“horror movie soundtrack generator”（恐怖电影原声生成器）这样堆叠的名词，迫使读者自己琢磨哪个词修饰哪个词。

这些模型会把名词用成人不会用的动词。Claude Fable 5 写出了“calendar it”（日历它），而人类会说“put it in the calendar”（把它放进日历）。它们还会把有生命动词用于无生命主语。Claude Opus 5 生成了“The whole conversation is eating its own tail”（整场对话在吃自己的尾巴），尽管对话没有尾巴，也不能吃东西。读者能猜出意思，但需要多花一拍。

较小的模型写得更像人类

Llama 和 Olmo 基础模型最接近人类文本。在 Olmo 系列中，分数从基础模型到 instruct 变体再到推理模型 Olmo Think 稳步上升，Olmo Think 达到了前沿水平，这表明后训练可能是原因所在。Claude Opus 5.5 在 21 项比较中的 19 项上超过了前代 Opus 5，表明针对性的微调可以提升可读性。

训练奖励信息密度而非清晰度

人类语言在生产难度和理解难度之间取得平衡，但研究人员表示，现代语言模型越来越多地在数学、代码和逻辑推理等任务上进行训练，在这些任务中正确性会得到奖励，而清晰度则不会。

研究人员认为，从 RLHF（基于人类反馈的强化学习）向 RLVR（基于可验证奖励的强化学习）的转变把人类完全排除在反馈循环之外，模型由此发展出一种“方言”，它擅长压缩信息和解决复杂问题，但对人类读者却不友好。

作为概念验证，研究人员训练了一个较小的语言模型，并加入了一个奖励更短答案的惩罚项。在某些训练条件下，该模型几乎无一例外地偏好更短的表达方式，且不受上下文影响，甚至将这种偏好泛化到训练中从未见过的句式上。相比之下，人类会根据具体情况在较短和较长的表达之间做出选择。

行业内部也给出了类似的解释。参与 Claude 微调工作的 Anthropic 员工 Jackson Kernion 最近解释了为什么 Opus 4.6 是 Anthropic 最后一个优秀的“写作模型”。针对数学、代码以及面向其他 AI 模型的技术讲解对新模型进行的优化，使 Claude 形成了一种对 AI 效果很好、但对人类来说过于密集和不自然的文风。Kernion 将其称为对“LLM 心理学”的适应。在 Opus 5.5 中，Anthropic 首次进行了反击，着力解决句子清晰度和信息过载的问题，而正如这项研究所示，他们成功了。