Исследователи из Нью-Йоркского университета и Техасского университета в Остине выявили шесть лингвистических паттернов, затрудняющих восприятие текстов, созданных нейросетями. В ходе работы проанализировано 120 диалогов, 45 сессий написания кода и 980 эссе, сгенерированных 14 моделями, включая Claude, GPT-5.6, GLM-5, Kimi K2.5, Llama и Olmo.
К числу выявленных особенностей относятся использование редких словосочетаний, избыточное расстояние между частями предложения и пропуск связующих слов. Модели также часто нагромождают существительные, превращают их в глаголы и используют одушевленные глаголы для неодушевленных предметов. Такие конструкции требуют от читателя дополнительных усилий.
Авторы исследования связывают это с тем, что обучение моделей на задачах по математике и программированию отдает приоритет плотности информации, а не ясности изложения. Переход от обучения с подкреплением на основе отзывов людей к обучению с проверяемыми наградами исключает человека из обратной связи, формируя у ИИ специфический стиль общения.
Меньшие модели, такие как Llama и базовая версия Olmo, пишут ближе к человеческой манере. При этом дообучение позволяет повысить читаемость: Claude Opus 5.5 показал лучшие результаты по сравнению с Opus 5 в 19 из 21 теста. Внутри семейств моделей показатели варьируются, например, модель Olmo Think сильнее отклоняется от человеческого стиля, чем базовая версия.
