ARTICLE · 1277381
为什么 AI 生成的语言如此难以理解?
为什么 AI 生成的语言如此难以理解?
这句话是纽约大学和得州大学奥斯汀分校的三位研究者故意写的。 作者说，如果你在网上看到这句话，多半会怀疑是 AI 写的。一句话里就叠了4 种前沿大模型偏爱、又会让人读着更费劲的写法。 很多人用 AI 写文章、查资料时都有同一种感受：AI的回答每句话都对，但是读一会就累。 这篇论文把这种累拆成了能数出来的语言特征。 作者收集了 14 个模型的输出。 9 个前沿和准前沿模型：Claude 的 Sonnet 5、Opus 5、Opus 5.5、Fable 5，GPT-5.6 的 Luna、Terra、Sol，以及 GLM 5 和 Kimi K2.5。 5 个对照小模型：Llama 和 Olmo 两个系列。 测试分三个场景： 和模拟用户闲聊 12 轮； 给 5 个真实 GitHub 项目找 bug、修 bug； 按美国中学生作文题写议论文。 结论是，大多数前沿模型会系统性地多用一批写法。心理语言学几十年的研究早已发现，这些写法会增加人的阅读负担。 作者推测的原因是：模型的训练目标越来越偏向"答对、写短"，而不是"让人听懂"。 
这 6 类写法在英语语法上都没错。问题在于，它们会把还原意思的工作留给读者。 也就是 AI 写得回答读起来费劲这个问题，是因为这个意思本来就只能这么写，还是明明有可读性更轻松的方式，AI没有选呢？ 作者用了一个巧办法，转述一遍，来证明这就是AI的问题！ 把 AI 写的每句话交给翻译软件，先译成日语，再译回英语。（原作者是国外的，所以这里作者的测试是以英文为主） 翻译软件习惯用人话翻译，所以就能得到 同一个意思的说人话版本。 举个例子（这是为了给大家讲明白编的，不是论文里的句子）： AI 原句：这一步吃掉了一半预算。 转述后：这一步花掉了一半的预算。 意思不变，但AI会把"花掉了"写成“吃掉”，这样会更紧凑，但人类读的时候，会多一步拟人的思考。 AI 原句：老板交代周五前要交报告还没写完。 普通说法：老板交代周五前要交的那份报告，还没写完。 （少了「的那份」，读到「要交报告」会以为话已经说完，只好倒回去重读。） AI 原句：这个小漏洞迟早会咬人。 普通说法：这个小漏洞迟早会惹麻烦。 AI 原句：那台你上个月说等打折再买、后来又因为搬家一直没顾上、现在还躺在购物车里的咖啡机，降价了。 普通说法：你购物车里那台咖啡机降价了。上个月你就说等打折买，后来搬家一直没顾上。 AI 原句：小区物业夏季停车收费调整通知已发。 普通说法：物业发了通知，小区夏天的停车费要调了。 AI 原句：这次沟通我们的信任余额不太够。 普通说法：这次聊下来，对方还不太信得过我们。 结果是，几乎所有前沿和准前沿模型在三个场景里都是这样， 还有一个对比值得注意。 小模型 Llama 系列，以及 Olmo 的基础版和指令版，转述一遍前后的变化最小。 但同属 Olmo 系列的推理版，这种倾向就明显得多，接近前沿模型。 作者据此认为，这些写法主要来自预训练之后的后训练阶段，而不是模型从人类文本里原样学来的。 不过议论文场景里的差别整体小得多。 作者推测，写作文是一问一答，而聊天和改代码是多轮来回，长对话可能更需要压缩信息。 人类语言长期受"要让对方听懂"这个压力塑造。 比如，人说话会尽量让相关的词靠近，也会把信息摊得比较均匀，不在一处塞得太满。 作者推测，如今的大模型在预训练之后，还要大量练数学、代码和推理。这类训练奖励的是答案对不对，并不专门奖励表达清楚。再加上模型能处理的上下文长度有限，用更少的字说完同样的事就成了一种压力。 为了验证这个想法，他们拿一个 1.5B 参数的小模型 Qwen2.5-1.5B 做实验。任务是把结构化的事件描述改写成一句英文，同时对答案长度扣分。 结果，在不加额外约束时，有两种英语句式里的 that 可省可不省，模型选省掉的比例都超过 98%。人类会看上下文决定要不要加 that，模型则几乎一律省掉。这种偏好还迁移到了一些训练时没见过的句式上。 需要说明两点： 这只是在一个小模型、一个简单任务上做的概念验证，向远处句式的迁移也很有限。 商用大模型的训练过程，作者无法直接干预。所以"后训练压力导致 AI 难读"目前仍是作者的推测，没有被证明。 这篇论文受关注，是因为它说中了很多人的感受。 今年 8 月，有人发帖问："是不是只有我觉得 Claude 最近越来越难懂？" 截至 10 月 30 日，帖子拿到 546 分。 第一作者在 X 上补充过一个区分。"三连排比""不是 X，而是 Y"这类口头禅，只会让文字听起来像 AI，并不一定难懂。这篇论文关心的是心理语言学上会增加处理负担的结构。 不同模型之间差别很大。 最直接的例子是 Claude Opus 5.5 和上一代 Opus 5：在 21 项和阅读难度相关的比较里，Opus 5.5 有 19 项更低。 作者据此认为，在训练中奖励模型"好好沟通"是做得到的，Opus 5.5 的改进就是一个例子。 作者在结论里还提到，这件事不只关系到人类读者舒不舒服。 模型的推理过程也是用文字写出来的，如果越来越多地用人读着费劲的写法，人类检查它"在想什么"也会更难。
先读一句话：
"你的直觉没错；你正在读的这句绕来绕去的话，正悄悄吃掉它自己的'读者耐心预算'——给它加个脚注吧。"
论文结论总结
让人读着费劲的写法
