Tekst pisany przez AI męczy? Badacze wskazali sześć przyczyn

Tekst pisany przez AI często zawiera poprawne informacje, a mimo to czyta się go z trudem. Teraz potwierdzają to dane. Naukowcy z New York University i University of Texas at Austin przebadali 14 modeli językowych. Wśród nich były Claude, GPT-5.6, GLM-5 i Kimi K2.5, a także mniejsze, otwarte modele Llama i Olmo. Badacze opisali sześć wzorców językowych, których najnowsze modele używają zdecydowanie za często.

Modele prowadziły swobodne rozmowy, pomagały w programowaniu i pisały eseje z argumentacją. Łącznie powstało 120 rozmów, 45 sesji programowania i 980 esejów. Naukowcy porównali je z tekstami pisanymi przez ludzi: napisami do filmów, wpisami z serwisu StackExchange i wypracowaniami studentów. Oto sześć problemów, które znaleźli:

• Dziwne zbitki słów, których ludzie prawie nie używają, np. angielskie „reader-patience budget”, czyli „budżet cierpliwości czytelnika”.
• Rozrywanie zdania: podmiot stoi daleko od orzeczenia, więc trzeba pamiętać kilka rzeczy naraz.
• Pomijanie słów łączących: po angielsku „the book the professor wrote” zamiast „the book that the professor wrote”.
• Piętrowe rzeczowniki, np. „horror movie soundtrack generator”. Czytelnik musi sam zgadnąć, co do czego się odnosi.
• Czasowniki tworzone z rzeczowników: Claude Fable 5 napisał „calendar it” zamiast „wpisz to do kalendarza”.
• Ożywianie przedmiotów: według Claude Opus 5 rozmowa „zjada własny ogon”.

Co to znaczy dla Ciebie?

Jeśli czytasz odpowiedzi z ChatGPT, Claude albo innego czatu i masz wrażenie, że przedzierasz się przez gąszcz słów, to nie jest Twoja wina. Wszystkie przykłady z badania pochodzą z języka angielskiego. Podobne zgrzyty możesz jednak zauważyć także w polskich odpowiedziach.

Na co dzień pomaga prosta rzecz: w poleceniu poproś wprost o krótkie zdania, proste słowa i brak metafor. Zanim wkleisz tekst z AI do maila albo pracy, przeczytaj go na głos. Wtedy łatwiej wyłapiesz sztuczne zwroty.

Skąd się bierze ten styl?

Zdaniem badaczy winny jest sposób trenowania modeli. Coraz częściej uczą się one na zadaniach z matematyki, programowania i logiki. Tam nagradzana jest poprawność wyniku, a jasność wywodu się nie liczy. Wcześniej ważną rolę grała metoda RLHF, w której ludzie oceniają odpowiedzi modelu. Nowsza metoda, RLVR, opiera się na automatycznie sprawdzanych wynikach i całkiem pomija ludzi. W efekcie modele wypracowują coś w rodzaju własnego „dialektu”. Dobrze nadaje się on do upychania informacji, ale ludziom czyta się go gorzej.

Za tą tezą przemawiają liczby. Mniejsze modele, Llama i podstawowa wersja Olmo, piszą najbardziej po ludzku. Im więcej dodatkowego treningu przechodzi Olmo, tym bardziej jego styl przypomina czołowe modele. Podobnie tłumaczy to Jackson Kernion z Anthropic, który zajmuje się dostrajaniem Claude’a. Jego zdaniem modele dopasowały się do „psychologii LLM”. Firma postanowiła to zmienić. W badaniu Claude Opus 5.5 wypadł lepiej od poprzednika, Opus 5, w 19 z 21 porównań. To znak, że celowe dostrajanie może poprawić czytelność.