为什么人工智能生成的语言如此难以理解：一项新研究解释

一项新的 arXiv 研究发现，九种前沿人工智能模型偏爱低频词、长依赖关系和堆叠名词，以可读性换取信息密度。

许多读者都注意到了这一点：人工智能模型编写的文本感觉越来越密集、生硬，并且奇怪地难以解析，即使它在语法上没有缺陷。 arXiv 上发布的一份新预印本将硬语言数据置于这种直觉背后，并提出了其发生原因的解释。

这项名为“为什么人工智能生成的语言如此难以理解？”的研究由研究人员 Thomas Hikaru Clark、Matias B. Martin 和 Kyle Mahowald 于 10 月 21 日提交。作者利用跨越不同领域的人工智能生成文本的新颖语料库，分析了一组心理语言学特征，这些特征在文献中已被广泛确立为人类读者处理困难的标志，包括宾语相关从句、长句法依赖性和低频 n 元语法。更多相关背景，请参阅我们的人工智能资讯。

研究人员测量了什么

心理语言学早就知道，并非所有句子的阅读成本都相同。对象亲属条款（“记者攻击的参议员……”）比对象亲属需要更长的时间来处理。单词之间较长的依赖关系迫使读者在记忆中保留更多的内容。罕见的单词序列需要更多的努力来检索和整合。这些特征可以作为衡量文本实际理解难度的标尺——与听起来的复杂程度不同。

研究人员将人工智能生成的写作与两个基线进行了比较：人类书写的文本和通过往返翻译产生的释义，这是一种旨在将真正的模型怪癖与正式或机器散文的通用风格分开的控制。

这种控制很重要。怀疑论者可以合理地认为，人工智能文本读起来就像商业或技术写作——正式的、客观的、以名词为主——而不是表现出明显的病态。往返翻译生成的文本具有类似的优美、稍微不自然的语域，背后没有任何语言模型训练。如果人工智能模型在处理难度测量方面仍然超过基准，那么差异就必须来自于模型本身如何学习写作的特定因素。从本质上讲，这就是研究的发现。

他们发现了什么

结果全面一致。与人类写作相比，研究中检查的所有九个前沿和近前沿模型（包括来自 GPT-5.6、Claude、Llama、DeepSeek 和 Qwen 系列的系统）都做出了明显更难的选择：

更多无生命的主题与有生命的动词配对 - 抽象“深入”、“下划线”或“突出显示”的典型人工智能写作模式。

更多低频 n-gram，意味着人类作家很少产生的不寻常的单词序列。

更长的句法依赖性，主语和动词被更多的中间材料分开。

更多堆叠名词，并且在会话文本中，更多减少宾语关系从句。

该研究还记录了模型系列之间的巨大差异——并非所有模型都同样难以阅读——并发现人工智能模型比往返翻译释义更频繁地使用这些困难的结构，这表明效果特定于模型的训练方式，而不是正式语域的产物。

这种变化无疑是论文中最有用的结果之一。如果阅读困难是规模或能力不可避免的结果，那么所有前沿系统都会聚集在一起。相反，家庭之间的分布表明，训练后的选择——数据组合、奖励信号、对推理重领域的强调——明显地影响了模型的散文如何落在人类读者的手中。换句话说，难以阅读的人工智能文本是设计的结果，而不是智能不可避免的副产品。