研究：AI 文本为何读起来累，六种语言模式被量化

研究团队收集了 14 个语言模型在闲聊、编程会话和议论文三类场景下的输出，共分析 120 段对话、45 次编程会话和 980 篇议论文，并以电影字幕、StackExchange 内容和学生作文作为人类文本对照。参与测试的模型包括 Claude、GPT-5.6、GLM-5、Kimi K2.5，以及 Llama、Olmo 等较小的开源模型。 研究归纳出六种 AI 高频使用的语言构造：一是人类写作中罕见的生僻词组搭配，如“reader-patience budget”；二是把句子中相关的成分拉得很远，加重工作记忆负担，例如 Claude Opus 5 写出的“A cat who can always get up and away is a much calmer cat”；三是省略连接词缩短指代，如用“the book the professor wrote”替代“the book that the professor wrote”；四是名词堆叠，如“horror movie soundtrack generator”，让读者自行判断修饰关系；五是把名词当动词用，Claude Fable 5 写出“calendar it”，而人类会说“put it in the calendar”；六是给无生命主语搭配生命体动词，Claude Opus 5 的“The whole conversation is eating its own tail”即属此类。 模型规模与训练阶段明显影响可读性。Llama 和 Olmo 基础模型最接近人类文本；在 Olmo 家族内部，从基础模型到 instruct 变体再到推理模型 Olmo Think，偏离人类的分数逐级上升，指向后训练是主要原因。Claude Opus 5.5 在 21 项对比中有 19 项优于前代 Opus 5，说明有针对性的微调可以改善可读性。 研究者将原因归于训练目标的变化：现代模型越来越多地面向数学、代码和逻辑推理任务，正确性受奖励而清晰度不受奖励；从 RLHF 转向 RLVR 后，人类被移出反馈回路，模型逐渐形成一种适合压缩信息和解决复杂问题、却不利于人类阅读的“方言”。作为验证，团队用带短答案惩罚项的方式训练一个小模型，发现在特定训练条件下它几乎无条件偏好更短的表达，甚至泛化到训练中未见的句式，而人类会根据情境在长短表达间切换。 产业侧也有类似解释。Anthropic 负责 Claude 微调的员工 Jackson Kernion 曾表示，Opus 4.6 是 Anthropic 最后一个好的“写作模型”，为数学、代码和面向其他 AI 的技术解释做优化，把 Claude 推向了对 AI 有效但对人类过于密集和不自然的风格，他称之为对“LLM 心理学”的适应。Opus 5.5 是 Anthropic 首次回推，针对句子清晰度和信息过载块做了调整，研究数据显示这一调整取得了成效。