Sześć wzorców, przez które tekst AI jest męczący

Modele językowe potrafią dziś rozwiązywać złożone zadania matematyczne i pisać kod, który działa. Gdy jednak prosimy je o zwykły tekst, często dostajemy coś, co czyta się ciężko — zdania, które trzeba rozplątywać, i sformułowania, które brzmią obco. Zespół badaczy z New York University i University of Texas at Austin postanowił sprawdzić, skąd bierze się to wrażenie, i zebrał dane, które pozwalają wskazać konkretne przyczyny.

W eksperymencie udział wzięło 14 modeli językowych, w tym Claude, GPT-5.6, GLM-5, Kimi K2.5 oraz mniejsze rozwiązania open-source, takie jak Llama i Olmo. Systemy generowały tekst w trzech trybach: swobodnej konwersacji, sesji programistycznych i esejów argumentacyjnych. Łącznie przeanalizowano 120 rozmów, 45 sesji kodowania i 980 esejów, a wyniki porównano z materiałem napisanym przez ludzi — napisami filmowymi, wpisami ze StackExchange i studenckimi wypracowaniami.

Sześć konstrukcji, które utrudniają lekturę

Badacze nie poprzestali na ogólnym stwierdzeniu, że „AI pisze dziwnie”. Wskazali konkretne wzorce językowe, które pojawiają się w tekstach generowanych znacznie częściej niż w ludzkich. Każdy z nich na swój sposób obciąża czytelnika.

Nietypowe kolokacje i rozstrzelone zdania

Modele chętnie łączą słowa w sposoby, które w naturalnej polszczyźnie czy angielszczyźnie prawie nie występują — przykładem może być sformułowanie w rodzaju „budżet cierpliwości czytelnika”. Drugi wzorzec to rozsuwanie powiązanych części zdania na dużą odległość. Claude Opus 5 wygenerował zdanie o kocie, w którym podmiot i orzeczenie dzieli długie wtrącenie, przez co odbiór wymaga dodatkowego wysiłku pamięci roboczej.

Skrócone odniesienia i nawarstwione rzeczowniki

Inny częsty zabieg to pomijanie łączników w zdaniach względnych — zamiast konstrukcji „książka, którą napisał profesor” model pisze „książka profesor napisał”. Oszczędza to jedno słowo, ale na moment wprowadza czytelnika w zakłopotanie. Podobnie działają łańcuchy rzeczowników w stylu „generator ścieżek dźwiękowych do horrorów”, gdzie odbiorca sam musi rozgryźć, który wyraz określa który.

Rzeczowniki udające czasowniki i ożywione przedmioty

Modele tworzą też czasowniki z rzeczowników tam, gdzie człowiek powiedziałby inaczej — Claude Fable 5 napisał „skalendarz to”, podczas gdy naturalna forma to „wpisz to do kalendarza”. Zdarza się również przypisywanie czynności żywych przedmiotom martwym: Claude Opus 5 stwierdził, że „cała rozmowa zjada własny ogon”. Sens da się odgadnąć, ale wymaga to chwili zastanowienia.

Mniejsze modele piszą bardziej po ludzku

Analiza pokazała wyraźne różnice między rodzinami modeli. Najbliżej ludzkiego tekstu znalazły się Llama oraz bazowy wariant Olmo. Co ciekawe, w rodzinie Olmo wyniki poprawiały się systematycznie wraz z kolejnymi etapami treningu — od wersji bazowej, przez instruowaną, aż po model rozumujący Olmo Think, który osiągał wartości zbliżone do czołówki. Sugeruje to, że kluczową rolę odgrywa etap dostrajania po wstępnym treningu.

Podobny wniosek płynie z porównania kolejnych wersji Claude. Opus 5.5 wypadł lepiej niż Opus 5 w 19 z 21 zestawień, co wskazuje, że precyzyjne dostrajanie potrafi realnie poprawić czytelność. Skala odchyleń od tekstu ludzkiego różni się jednak mocno w zależności od rodziny modelu i zastosowania.

Dlaczego trening premiuje gęstość, a nie jasność

Badacze tłumaczą to napięciem wpisanym w sposób szkolenia współczesnych modeli. Naturalny język balansuje między łatwością mówienia a łatwością zrozumienia. Tymczasem modele uczą się coraz częściej na zadaniach z matematyki, programowania i logiki, gdzie nagradzana jest poprawność, a nie klarowność przekazu.

Szczególną rolę odgrywa tu przejście od RLHF (uczenie ze wzmocnieniem na podstawie informacji zwrotnej od ludzi) do RLVR (uczenie ze wzmocnieniem na podstawie weryfikowalnych nagród). W tym drugim podejściu człowiek znika z pętli informacyjnej, a model wykształca swój własny „dialekt” — świetny do kompresowania informacji i rozwiązywania trudnych problemów, ale nieprzyjazny dla ludzkiego czytelnika.

Jako dowód badacze wytrenowali mniejszy model z karą za długość odpowiedzi. W pewnych warunkach system niemal bez wyjątku wybierał krótsze sformułowania, niezależnie od kontekstu, i przenosił tę skłonność na konstrukcje, których wcześniej nie widział. Ludzie tymczasem wybierają między wariantami zależnie od sytuacji.

Pracownik Anthropic Jackson Kernion, zajmujący się dostrajaniem Claude’a, wyjaśnił niedawno, dlaczego Opus 4.6 był ostatnim dobrym „modelem do pisania” w ofercie firmy. Optymalizacja nowszych wersji pod kątem matematyki, kodu i technicznych objaśnień kierowanych do innych modeli popchnęła Claude’a w stronę stylu, który działa dobrze dla AI, lecz dla człowieka brzmi zbyt gęsto i nienaturalnie. Kernion nazwał to przystosowaniem do „psychologii LLM”.

Wersja Opus 5.5 była pierwszym przypadkiem, gdy Anthropic świadomie się temu przeciwstawił — poprawiając klarowność zdań i rozbijając przeładowane bloki informacji. Jak pokazuje omawiane badanie, wysiłek przyniósł efekty.

Co z tego wynika dla użytkowników AI

Wyniki badania mają praktyczne znaczenie dla każdego, kto regularnie pracuje z modelami językowymi. Po pierwsze, czytelność tekstu nie jest stałą cechą danego modelu — zależy od etapu dostrajania i można ją poprawiać. Po drugie, warto zwracać uwagę na konkretne wzorce: nadmierne łańcuchy rzeczowników, pomijane łączniki czy czasowniki tworzone z rzeczowników. Świadomość tych konstrukcji ułatwia zarówno redakcję generowanego tekstu, jak i formułowanie promptów, które wymuszają prostszy styl.

Badacze zwracają uwagę na szerszy problem: jeśli modele będą trenowane głównie na zadaniach weryfikowalnych, gdzie liczy się poprawność, a nie zrozumiałość, ich styl będzie się oddalał od ludzkiego. To wyzwanie dla twórców modeli — pokazują to zresztą starania Anthropic wokół Opus 5.5. Pytanie, czy poprawa czytelności da się pogodzić z utrzymaniem wysokich zdolności rozumowania, pozostaje otwarte.