前沿模型越强，文字却越难读——一项新研究把这种“阅读疲劳”归因于训练目标的偏差，而非模型能力不足。
发生了什么
据 The Decoder 报道，纽约大学与得克萨斯大学奥斯汀分校的研究者分析了前沿语言模型的输出，归纳出六种被系统性过度使用的语言模式。这些模式本身不算语法错误，但会让读者在解析句子结构时付出额外认知成本，读起来“费劲”。
研究给出的解释指向训练数据与奖励机制：代码和数学语料在训练中占比可观，而这类任务只奖励结果正确，不奖励表达清晰。模型因此学到了一种“只要逻辑对、结构怎么嵌套都行”的写作习惯。相比之下，参数量更小的模型写出的文本反而更接近人类的表达方式。
为什么重要
这件事的关键不在于“AI 文风不好看”，而在于它揭示了一个错位：我们衡量模型能力的基准，和衡量文本可用性的标准，并不是同一套。
代码与数学是当前模型能力提升的主要战场，benchmark 上的分数也确实由这类任务驱动。但绝大多数用户拿模型做的事是写邮件、写报告、写说明文档——这些场景里，可读性就是正确性的一部分。一个句子逻辑无误却要读三遍才能懂，对使用者而言就是失败。
更值得注意的是“小模型更像人”这一发现。它提示我们，表达上的笨重可能不是规模带来的副产品，而是训练配比与奖励设计的直接结果。换句话说，这是一个可以被工程手段修正的问题，而不是模型变强的必然代价。
影响与看点
对模型厂商而言，这项研究提供了一个容易被忽视的优化维度：在 RLHF 或偏好数据中显式加入“可解析性”信号，可能比继续堆代码数据更能提升实际体验。对开发者和写 prompt 的人来说，则意味着不能默认模型输出可以直接交付，结构化改写、要求“用短句”“避免嵌套从句”这类约束仍然必要。
对普通用户，这项研究至少解释了一种普遍困惑：为什么 AI 生成的文本读起来总有一种说不清的隔膜感。它不是错觉，而是有具体语言特征的。
一个值得追问的方向是：如果清晰度可以被量化成六种模式，它是否也能成为一项公开的评测指标？目前主流榜单几乎不考察这一点。在模型能力日趋接近的当下，谁先把“好读”变成可优化的目标，谁就可能在真实使用场景里拿到差异化的分数。
