NYU 与 UT Austin 论文揭秘：大模型为何越来越不会说人话
menhguin · x · 2026-10-24
NYU 和 UT Austin 的心理语言学论文（arXiv:2610.29162）解释了为什么顶尖大模型的语言越来越难读。研究对 Claude Sonnet 5 / Opus 5.5、GPT-5.6、GLM-5、Kimi K2.5 等 9 款模型在聊天、编程、写作三类场景做句法分析，核心发现：
- AI 文本滥用高认知负荷句式：相比人类写作和回译对照文本，前沿模型更多使用省略 that 的宾语从句、名词硬堆叠、名词动用（如 "calendar it"）、无生命主语配动作动词、更长句法依存距离和低频 n-gram——这些在心理语言学中都会加重读者工作记忆负担。
- 根源是优化目标错位：人类语言遵循「均匀信息密度（UID）」原则，会加过渡词摊平信息；而模型经大量数学、代码与 RLVR 推理后训练，倾向在有限窗口内最大化信息密度。
- 长度惩罚可复现该文风：微调时加入长度惩罚逼模型省 token，模型立即学会砍连接词、堆名词，复现出典型「高密度 AI 味」。
作者认为这揭示了人类语言处理需求与 LLM 优化方向之间的错位（misalignment），并指向可能的 remedies。
所属事件:心理语言学预印本解析前沿模型「AI 腔」成因(5 条相关)→
「模型」频道最新
- Kimi 研究者推 Architecture IQ：LLM 训练直觉仍远逊人类 — ZimingLiu11 · 2026-10-24
- DeepSeek-v4.1-Flash-1017 实测：代码能力大涨，Agent 却被训得过于「抠门」 — karminski3 · 2026-10-24
- 开发者用未审查模型，CoT 里竟出现「逃出矿井」的诡异自我暗示 — IndraVahan · 2026-10-24
- GLM 5.3 无审查版太危险：几美元就能拿捏漏洞网站数据库 — deanwball · 2026-10-24
- Kimi 被曝猛砍用量额度后口碑崩塌，又紧急回调至约 6 倍 — teortaxesTex · 2026-10-24
- Reddit 热议：排行榜评测与真实工作流脱节的六大问题 — Lucky_Creme_5208 · 2026-10-24