一句话看懂：纽约大学和得克萨斯大学奥斯汀分校的研究显示，Claude、GPT-5.6 等前沿模型系统性地偏爱六类增加阅读负担的句法结构；原因指向后训练奖励信息密度而非可读性，这直接关系到日常使用 AI 写稿和读长的体验。
事件核心：发生了什么
研究团队让 14 个语言模型分别在闲聊、编程和议论文场景中生成内容，模型包括 Claude、GPT-5.6、GLM-5、Kimi K2.5，以及 Llama、Olmo 等较小开源模型。可核查的样本量为 120 段对话、45 次编程会话和 980 篇议论文，并与电影字幕、StackExchange 和学生作文等人类文本对比。
研究归纳出六类被过度使用的结构：生僻搭配（如 “reader-patience budget”）、主语与谓语间隔过远、省略连接词导致短时困惑、名词堆叠、把名词当动词用，以及给无生命主语搭配生命体动词。素材中给出的例子包括 Claude Opus 5 的 “A cat who can always get up and away is a much calmer cat” 和 “The whole conversation is eating its own tail”。
模型差异明显：Llama 和 Olmo 基础模型最接近人类文本；Olmo 家族从基础模型到 instruct 再到 Olmo Think 偏离度逐步上升。Claude Opus 5.5 在 21 项比较中有 19 项优于 Opus 5，研究者认为有针对性的微调可以改善可读性。需要说明的是，以上仅为该研究公开摘要层面的信息，并非已上线的产品能力。
为什么重要
研究把“AI 味”从主观感受变成了可量化的语言特征，并指出成因：训练目标从 RLHF 转向 RLVR 后，反馈更多来自可验证的正确性，数学、代码和逻辑推理的奖励压过了清晰表达，模型因此形成一种适合压缩信息、但不利于人类阅读的“方言”。
这和产业内的观察相互印证：素材提到 Anthropic 负责 Claude 微调的 Jackson Kernion 曾解释，面向数学与代码优化会让文风变得过于稠密；Anthropic 在 Opus 5.5 上首次回拨，针对句子清晰度和信息过载做了调整。对闭源厂商而言，可读性可能成为新的差异化维度，而不仅是跑分。
对用户/开发者/创作者的影响
普通用户和内容创作者应把“可读性”纳入提示词和验收标准，例如要求拆分长句、避免名词堆叠和生造搭配，并在发布前人工润色。开发者若通过 API 批量生成文案、文档或客服回复，可在评测集中加入可读性指标，而不只看正确率。模型选型上，较小开源模型在部分场景反而更接近人类文风，值得在成本与可读性之间做权衡。
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 Anthropic 是否把 Opus 5.5 的可读性改进延续到后续模型和 API 默认设置；二是其他厂商是否在训练中引入可读性惩罚项或人类反馈；三是该研究是否经过同行评审并公开完整实验细节，届时才能判断六类模式的普适程度。
