A纽约大学和得克萨斯大学奥斯汀分校研究人员的一项研究用数据支持了这一点。研究团队让 14 个语言模型在闲聊、编程会话和议论文写作中生成文本。阵容包括 Claude、GPT-5.6、GLM-5、Kimi K2.5，以及 Llama 和 Olmo 等较小的开源模型。研究人员总共分析了 120 段对话、45 次编程会话和 980 篇议论文，然后将它们与来自电影字幕、StackExchange 和学生作文的人类撰写文本进行了比较。
让 AI 文本读起来费劲的六种模式
AI 模型过度使用人类写作中很少出现的非常规词语组合，比如“reader-patience budget”，并且它们把句子中相关的部分放得很远，加重了工作记忆的负担。Claude Opus 5 生成了“A cat who can always get up and away is a much calmer cat”，其中主语和主要谓语被一个长从句隔开。
省略连接词的缩略指代也很常见。模型不写“the bookthatthe professor wrote”，而是写“the book the professor wrote”，省了一个词，却让人一时搞不清各部分如何衔接。像“horror movie soundtrack generator”这样的名词堆叠，迫使读者自己去判断哪个词修饰哪个词。
模型会在人类不会这样用的地方把名词用作动词。Claude Fable 5 写出了“calendar it”，而人类会说“put it in the calendar”。它们还会把有生命动词用于无生命主语。Claude Opus 5 生成了“The whole conversation is eating its own tail”，尽管对话没有尾巴，也不能吃东西。读者能明白意思，但需要多花一拍。
较小的模型写得更像人类
Llama 和 Olmo 基础模型最接近人类文本。在 Olmo 系列中，分数从基础模型到 instruct 变体再到推理模型 Olmo Think 稳步上升，后者达到了前沿水平，这表明后训练很可能是原因所在。Claude Opus 5.5 在 21 项比较中有 19 项胜过其前代 Opus 5，这表明有针对性的微调可以提升可读性。
训练奖励信息密度而非清晰度
人类语言在生产便捷性与理解便捷性之间取得平衡，但研究人员表示，现代语言模型越来越多地在数学、代码和逻辑推理等任务上训练，在这些任务中正确性会得到奖励，而清晰度不会。
从RLHF（基于人类反馈的强化学习）到RLVR（基于可验证奖励的强化学习）的转变将人类完全移出了反馈回路，研究人员认为，模型由此发展出一种“方言”，它非常擅长压缩信息和解决复杂问题，但对人类读者来说效果很差。
作为概念验证，研究人员训练了一个较小的语言模型，并加入一个奖励更短答案的惩罚项。在某些训练条件下，该模型几乎无一例外地偏好更短的表述，无论上下文如何，甚至将这种偏好泛化到了训练中从未见过的句式。相比之下，人类会根据情境在更短和更长的变体之间做出选择。
来自行业内部的一种类似解释是。Anthropic 员工 Jackson Kernion 从事 Claude 微调工作，最近解释说为什么 Opus 4.6 是 Anthropic 最后一款优秀的“写作模型”。针对数学、代码和面向其他 AI 模型的技术解释来优化较新的模型，把 Claude 推向了一种对 AI 有效、但读起来对人类来说过于密集和不自然的风格。Kernion 称这是对“LLM 心理学”的适应。在 Opus 5.5 上，Anthropic 首次做出反击，着手解决句子清晰度和信息过载的问题，而正如该研究所显示的，这一努力取得了成功。