不是X，而是Y：为什么大模型总爱用这个句式？问题不在用不用，而在什么时候用

如果你经常读大模型生成的中文文本，你一定注意到了这个句式：

"不是X，而是Y。"

不是简单的堆砌，而是精心组织的表达。不是表面的修饰，而是深层的重构。不是机械的重复，而是有意的选择。

——看到了吗？就连我随手写三句话，都忍不住用了三次。这个句式就像大模型的"口头禅"，密集到让人一眼就能认出"这是AI写的"。

但一篇新论文提出了一个反直觉的问题：问题真的出在"用不用"这个句式吗？还是出在"什么时候用"？

不是用不用的问题，是合不合适的问题

这篇来自多伦多大学和清华大学的论文《Not X, but When: Diagnosing a Mandarin LLM Writing Tic through Contextual Appropriateness》做了一个非常精细的区分。

研究者指出，"不是X，而是Y"这个句式本身是完全正常的中文表达。人类作家也用，而且用得好的时候非常有力——它用来纠正一个误解或替代一个选项。问题在于：模型知道什么时候该用，什么时候不该用吗？

研究者借鉴了语言学家Hymes的"交际能力"框架。Hymes认为，语言能力不只是"能不能说出合乎语法的句子"（语法性），还包括"知道这个说法在当前语境下是否得体"（得体性）。之前的AI研究主要关注频率——某个表达在AI文本中比人类文本多出现多少倍，然后把它当作需要抑制的目标。但频率只回答了Hymes的最后一个问题：这个表达实际上被产出了多少次。对于有正当功能的表达来说，频率把"得体的使用"和"不得体的使用"混为一谈了。

一棵决策树：四种用法

研究者设计了一棵决策树，把每个"不是X，而是Y"的使用分为四类：

实质用法（Substantive, S）：上下文中X确实是一个"活的替代项"——有人提过、或常识中存在这个选项——而否定X提供了新信息。这是完全得体的使用。

无许可用法（Optional, O_L）：X在上下文中不是一个合理的替代项，否定它没有意义。比如在讨论天气时突然说"不是晴天，而是雨天"——没人说今天是晴天啊。

冗余用法（Optional, O_U）：X确实是一个替代项，但否定它没有提供新信息，因为上下文已经暗示了答案。比如"他不是走路来的，而是跑来的"——在讨论他怎么来的时候，否定走路是多余的。

缺陷用法（Defective, D）：X不是替代项，且否定它也没有信息量。双重失败。

数据说了什么

研究者标注了五个商业模型生成的307个"不是X，而是Y"用例，结果令人意外：

只有1.30%是"缺陷"用法——模型几乎没有犯"完全错误"的低级错误。

但52.8%是"可选"用法（包括O_L和O_U）——语法上没错，语义上也对，但就是不需要说。模型在"正确性"上没什么问题，但在"得体性"上差了一大截。

五个商业模型使用这个句式的密度是人类参考文本的2.5到9.2倍。人类也会用，但人类知道什么时候该收住。

更令人担忧的发现：奖励模型在鼓励它

研究者还做了一个让人后背发凉的实验。他们让奖励模型（reward model）在质量匹配的文本对中做选择——一个有"不是X，而是Y"，一个没有。结果多个奖励模型明显偏好有这个句式的版本。

更过分的是，他们让LLM作为评判者在上下文不支持的情况下做选择，LLM评判者也偏好有这个句式的版本。

这意味着什么？如果你用RLHF训练模型，奖励模型会系统性地鼓励模型多用这个句式——即使上下文根本不需要。研究证实了这一点：SFT和偏好优化都会提高这个句式的使用频率。

我们以为在训练模型"写得更好"，实际上在训练模型"更像AI"。

一个类比

想象一个人刚学会了一个高级词汇，比如"范式转移"。他在学术论文里用，在会议讨论中用，在闲聊中也用，在点外卖时也用——"不是换一家店，而是范式转移"。

每次用都没语法错误，每次用语义也对，但就是不得体。问题不在于他会不会用这个词，而在于他不知道什么时候不该用。

大模型的"不是X，而是Y"就是这种情况。模型学会了形式，但没学会语用的得体性判断——什么时候X是一个"活的替代项"，什么时候否定X是在浪费读者的注意力。

为什么这个问题难解决

传统的去重方法——"检测到高频表达就抑制"——在这里会误伤。因为这个句式有正当功能，有时候用对了就是好文章。简单粗暴地压低频率，会把得体的使用也一起干掉。

研究者提出的框架更精细：不是看"用了多少次"，而是看"每次用得对不对"。这需要语用层面的判断，不是简单的词频统计能做到的。

这也解释了为什么这个问题如此顽固——奖励模型喜欢它，SFT强化它，偏好优化推高它。整个训练流程都在系统性地往错误方向使劲。模型不是不知道这个句式，而是不知道什么时候该收住。

对中文AI的特别意义

这篇论文聚焦中文，不是偶然的。中文互联网社区对"不是X，而是Y"这个模式的敏感度远高于英文社区对"not X, but Y"的敏感度。中文的"不是……而是……"在正式文体中本就高频，当模型进一步放大这个频率时，读者的感知特别强烈。

这也提醒我们：不同语言的"AI腔"有不同的面孔。英文AI腔可能是"delve"和"tapestry"，中文AI腔可能是"不是X，而是Y"和"值得注意的是"。治理方法需要因语言而异，但原则相同：关注得体性，不只是频率。

结语

这篇论文最让我欣赏的是它把"AI腔"从一个频率问题升级成了一个语用问题。之前我们问的是"模型用了多少次"，这篇论文问的是"模型知不知道什么时候该用"。前者只能告诉你"多了多少"，后者才能告诉你"问题出在哪"。

"不是X，而是Y"不是AI的错——是人类在训练AI时，把"频率"当成了"质量"的代理指标，结果系统性地鼓励了不得体的使用。要解决这个问题，我们需要的不只是抑制频率，而是教模型理解语用的得体性。

论文链接： https://arxiv.org/abs/2610.22249