一句话看懂：一篇 2026 年 10 月提交到 arXiv 的论文用心理语言学指标测量发现，多个前沿大模型比人类写作更常使用低频词串、长句法依赖等难处理结构，作者把原因指向模型训练目标偏向代码、数学与推理任务，而非“让人看懂”。
事件核心：发生了什么
论文题为《Why is AI-generated language so hard to understand?》，作者为 Thomas Hikaru Clark、Matias B. Martin 与 Kyle Mahowald，2026 年 10 月 21 日提交至 arXiv（编号 2610.29162），属于计算与语言方向。研究构建了一个跨领域 AI 生成文本语料，用已知与人类阅读难度相关的特征做对比，包括宾语关系从句、长句法依赖、低频 n-gram 等。结果显示：与人类写作相比，九个前沿或接近前沿的模型都更常使用“无生命主语搭配有生命动词”的结构和低频 n-gram；多数模型还在对话中表现出更长的依存距离、更多名词堆叠和缩减式宾语关系从句；不同模型家族之间差异明显。与往返翻译生成的改写文本相比，AI 模型也更频繁地使用这些难处理特征。
为什么重要
这给“AI 文字难读”提供了一个可量化的解释。作者提出的假设是：人类语言为成功沟通而优化，而当前 AI 生成文本越来越服务于数学、代码和推理场景，这些目标更强调信息密度，而不是可读性。为做概念验证，作者在长度惩罚条件下微调语言模型，观察到其语言行为偏离人类习惯。若该假设成立，可读性问题就不只是提示词或风格调参问题，而与模型训练目标的结构性偏移有关，这对大模型评测、数据筛选和推理链路设计都有参考意义。
对用户/开发者/创作者的影响
对普通用户，这意味着直接复制模型输出用于说明文、邮件或客服话术，可能比预期更费力。对开发者和 AI 应用团队，摘要信息显示可读性问题在多个模型家族中普遍存在，提示在文案生成产品里需要额外的可读性指标或后处理约束。对创作者，论文观察的是统计层面的语言特征，不代表每一段生成文本都难读，但它提示在长文和对话场景中要主动加入改写和简化步骤。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是该论文的完整实验细节和语料构成是否公开，能否复现；二是调整训练目标（如加入可读性奖励）是否会在代码、数学能力上造成代价；三是主流闭源与开源模型是否在后续版本中改善这些可读性指标。目前公开信息显示，该研究为 arXiv 预印本，尚无证据表明已被同行评审或已转化为产品功能。
来源：arxiv.org
