摘要：人们普遍感觉，AI 生成的文本最近变得越来越难以理解。在本研究中，我们考察了一组已知与人类处理难度相关的心理语言学特征（例如宾语关系从句、长句法依存、低频 n-gram）。使用一个涵盖多个领域的新颖 AI 生成文本语料库，我们发现 AI 模型使用这些困难特征的频率高于往返翻译生成的改写文本。与人类写作相比，全部九个前沿和准前沿模型都使用了更多无生命主语搭配有生命动词，以及更多低频 n-gram，而且大多数模型在对话中还使用了更长的依存、更多堆叠名词和更多缩减的宾语关系从句；我们还展示了不同模型家族之间存在显著差异。我们提出并检验了一个关于其原因的假设：人类语言是为成功交流而优化的，而 AI 生成的文本则越来越为数学、代码和推理等其他目标而优化，在这些目标中存在对\textit{信息密度}而非成功交流的压力。我们通过在长度惩罚下微调一个语言模型，为这一假设提供了概念验证，这导致其偏离类人的语言行为。我们的发现凸显了人类与 LLM 在语言处理需求上错位的各个维度，并指出了可能的补救措施。
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.29162[cs.CL] |
| （或 arXiv:2610.29162v1[cs.CL]用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.29162 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Thomas Clark [查看电子邮件]
[v1]2026 年 10 月 21 日星期三 03:54:08 UTC（528 KB）