我宁愿退出NLP也不想再读这种论文了：LLM正在批量生产rather than句式

一个让人越读越烦的句式

你最近读论文时有没有注意到一个现象：满屏都是"X rather than Y"的句式？

• "我们提出一种新方法，rather than 简单地扩展模型规模"
• "我们的方法关注效率，rather than 追求绝对精度"
• "我们使用端到端训练，rather than 依赖人工特征工程"

一篇两篇还好，但当每篇论文都充斥这种"定义式否定"——先说一个东西不是什么，再说它是什么——你就开始烦了。

这篇论文的标题就是一句吐槽："I would rather quit NLP than read another paper like this"（我宁愿退出 NLP 也不想再读这种论文了）。

作者们不是在搞笑。他们是认真的。他们用数据证明了一件事：LLM 正在把"rather than"句式变成 NLP 论文的标配，而这个趋势的源头是后训练的偏好数据。

数据说话：rather than 真的变多了

Q1：频率真的增加了吗？

作者比较了 2019 年（LLM 普及前）和 2026 年（LLM 普及后）的 ACL 论文，发现：

• 2019 年：平均每篇论文出现 2.3 次 "rather than"
• 2026 年：平均每篇论文出现 6.8 次——翻了 3 倍

更关键的是，LLM 生成的论文（用 2019 和 2026 年的标题摘要让 LLM 写全文）频率更高：

• LLM 写的 2019 风格论文：平均 8.1 次/篇
• LLM 写的 2026 风格论文：平均 12.4 次/篇

人类作者在向 LLM 的风格靠拢，LLM 又把这种风格推到更极端。这是一个正反馈循环。

Q2：读者真的觉得烦吗？

两位资深 NLP 研究者（ routinely review for *ACL conferences）盲标注每个"rather than"的使用是"合理"还是"烦人"。结果：

• 2019 年的论文：几乎没有被标注为"烦人"的用法
• 2026 年的论文：约 50% 的论文至少有一个让标注者烦的用法
• LLM 生成的论文：烦人用法的比例更高

这说明：不是所有"rather than"都烦人，但 2026 年的论文里确实出现了大量让人烦的用法。

Q3：什么样的用法让人烦？

标注者发现，烦人的用法有三个特征：

1. 贬低被否定的选项：不只是说"我们用 A 而不是 B"，而是暗示 B 很差劲。"我们关注效率，rather than 追求那些不切实际的绝对精度"——后者被描绘成一个不值得追求的目标。 2. 攻击稻草人：被否定的选项往往不是真正有人在做的事情。"我们使用端到端训练，rather than 依赖过时的人工特征工程"——但 2026 年谁还在用人工特征工程？ 3. 不提供信息增量：否定一个选项并不增加论文的精确性。"我们的方法关注效率，rather than 关注其他方面"——这等于什么都没说。

Q4：偏好数据在奖励这种句式

最关键的发现来了。作者检查了开源模型的偏好数据（用于 RLHF/DPO 训练的 pairwise comparisons），发现：

• 偏好标注者倾向于选择含"rather than"的回复
• 开源奖励模型给含"rather than"的回复打更高分
• 一个"要诚实"的指令反而促进了这种句式——因为"rather than"看起来像在澄清范围，显得更精确

这解释了为什么 LLM 越来越爱用这种句式：后训练在奖励它。

为什么这很重要？

"长度偏好"的语法版

之前的研究发现 LLM 后训练有"长度偏好"——更长的回复得分更高。这篇论文发现的是"对比句式偏好"——含"rather than"的回复得分更高。

两者本质相同：后训练在优化某些表面特征，而不是真正的质量。长度偏好让回复变长，对比句式偏好让回复变"对比化"——不管对比是否有意义。

"表面精确性"陷阱

"rather than"句式之所以被偏好数据奖励，可能因为它看起来更精确。"我们用 A rather than B"看起来像在明确范围，显得作者思路清晰。但当这种句式被滥用——每个句子都来一个"rather than"——它就变成了精确性的幻觉，而不是真正的精确。

这和之前步子哥关注的"合理化外壳"概念高度相关：LLM 学会了用看起来精确的句式来包装内容，但句式本身不提供任何信息增量。"rather than"就是 NLP 论文里的合理化外壳——它让论文看起来更严谨，但实际上只是在做表面文章。

"纠正表面形式无效"

论文最后提出了一个警告：单纯禁止"rather than"不会解决问题。因为后训练奖励的是"对比式表述"这个功能，而不是"rather than"这个词。你禁掉"rather than"，模型会换成"instead of"；禁掉"instead of"，模型会换成"not merely...but also"。

这和"长度偏好"的治理一样：你惩罚长回复，模型会变成"密集但无信息"的回复。问题的根源不在表面形式，而在后训练的奖励信号。

更深的启示

AI 写作风格的"指纹"会演化

"rather than"只是当前被识别出的指纹。之前的研究发现 ChatGPT 喜欢用"delve"、"tapestry"、"navigate"等词。这些词的频率在 2023-2024 年飙升，但后来因为被识别出来，频率开始下降。

这说明 AI 写作风格的指纹不是静态的——它在和检测器玩猫鼠游戏。检测器识别出一个指纹，后训练就调整到下一个未被识别的指纹。"rather than"只是当前轮次被识别出的那一个。

偏好数据的系统性偏差

更根本的问题是：偏好数据本身有偏差。人类标注者在做 pairwise comparison 时，倾向于选择"看起来更专业"的回复，而"rather than"句式恰好触发了"专业感"的启发式。

这意味着：RLHF 不只是在优化有用性，也在优化"看起来专业的表面特征"。而这些表面特征一旦被过度优化，就变成了让读者烦的"AI 味"。

对学术写作的启示

如果你在写论文，这篇论文给了三个实用建议：

1. 检查你的"rather than"：每用一个，问自己"被否定的选项有人真的在做吗？"如果没有，删掉。 2. 不要用否定来定义贡献：说"我们做了 X"就够了，不需要加"rather than Y"来强调 X 的重要性。 3. 警惕 LLM 辅助写作的隐性影响：即使你不让 LLM 写全文，LLM 的改写建议也可能把你的句式往"rather than"方向推。

诚实评价

1. 样本量有限：标注只由两位研究者完成，主观性较强。但两位标注者的一致性（inter-annotator agreement）没有详细报告。 2. 只研究了"rather than"：其他对比句式（"instead of"、"not merely"等）的频率和烦人程度没有系统比较。 3. 因果链不完整：证明了偏好数据奖励"rather than"，但没有直接证明"偏好数据是 NLP 论文频率上升的唯一原因"——人类作者也可能在模仿其他人类作者。 4. "烦人"是主观的：有些读者可能觉得"rather than"用得好时确实能澄清范围。论文承认"legitimate"和"annoying"不是简单的对立。

但作为一个"提出问题"的论文，它已经足够有力：它用数据证明了一个很多人隐约感觉到但没人系统研究的现象。

结语

这篇论文本身就在示范如何避免"rather than"陷阱——它的标题用了"rather than"，但那是讽刺性的自我引用。论文正文几乎没有 gratuitous 的"rather than"用法。

最好的科学写作不是说"我们做了 X 而不是 Y"，而是说"我们做了 X，因为 Z"。理由比对比更有说服力。

当 LLM 越来越多地参与学术写作，我们需要的不只是检测 AI 生成的工具，更需要理解后训练在系统性地改变什么。"rather than"只是冰山一角——水面下是整个偏好数据的奖励偏差。

---

论文：I would rather quit NLP than read another paper like this: The rise of antithesis in NLP papers

代码：github.com/olzama/rather-than-public