纽约大学研究发现大模型过度使用六种难解析语言模式致AI文本难读，源于重代码数学的训练偏好
纽约大学（NYU）与德克萨斯大学奥斯汀分校的一项研究（The Decoder 于 2026 年 10 月 26 日报道）发现，前沿大语言模型会系统性过度使用六种人类难以解析的语言模式，导致 AI 生成的文本读起来费力。研究者将成因追溯到训练偏重代码与数学——这类训练奖励正确性，却不奖励清晰度。作为对照，较小的模型反而写得更接近人类写作。报道未列出六种模式的具体内容，论文的同行评审状态也不明，引用前需核对原始论文。
rss · The Decoder AI News · 10月26日 17:50
「为何现在值得关注」 这项研究刚经 The Decoder 报道（2026 年 10 月 26 日），直接对应许多读者和创作者“AI 文越读越累”的日常体验。但需要区分：目前只是研究结论与成因解释，尚未带来任何模型或产品层面的实际改变，“训练偏重代码与数学”这一归因也有待原文验证。
「内容切入角度」 可做角度：抓住“更大的前沿模型反而写得更不像人”这一反直觉张力，先核对原始论文、列出六种模式的具体清单和证据，再讨论“奖励正确性而非清晰度”的训练成因给日常写作与提示词调整的启示，避免停留在“AI 爱讲套话”式的泛泛吐槽。
做AI项目，先看AI雷达 - AiRadar.com.cn · 全部AI快讯 →