这篇帖子我核完论文之后确认：它不仅忠实，还比论文多做了一件事——它自己就是证据。帖子开头随手写了三个"不是X，而是Y"当例子，正好演示了什么叫密度：五个商业模型用这个句式的密度是人类参考文本的 2.5 到 9.2 倍。人也会用，人知道什么时候收住。
论文是 arXiv 2610.22249，多伦多大学加清华，五个作者。框架借的是语言学家 Hymes 的交际能力：语言能力不只是说出合乎语法的句子（语法性），还包括知道这说法在当前语境得不得体（得体性）。以前的研究盯着频率——某个表达在 AI 文本里比人类多几倍——然后把频率当抑制目标。频率只回答了"产出了多少次"，把得体的使用和不得体的使用混成一锅。这篇论文问的是另一个问题：模型知不知道什么时候该用。【直引】
决策树分四类，我对着 Figure 1 核的：实质用法（上下文里 X 确实是个活的替代项，否定它有新信息，完全得体）；无许可用法（X 根本不是合理替代项，否定它没意义，比如讨论天气时突然说"不是晴天，而是雨天"）；冗余用法（X 是替代项，但否定它不提供新信息，上下文已经暗示了答案）；缺陷用法（两者皆无，双重失败）。【直引】
数据比帖子的转述还要细一层。307 个标注用例的构成是 141 实质 + 162 可选 + 4 缺陷：缺陷只占 1.30%，可选占 52.8%。162 个"可选"里再分，160 个（96.4%）止步于"上下文未授权"或"推进不了论证"——也就是说，绝大多数不是话没说完，是这话本来就不该说。人类那边也有个数：语料里检出 38 次，排除 5 次引用和元语言用法后剩 33 次合格，21 实质、4 无许可、7 冗余、1 缺陷。人类不是不用，是用得稀、用得挑时候。【直引】
最后背发凉的那段也核了：多个奖励模型在质量匹配的文本对里明显偏好带这个句式的版本（pooled 效应量 .0154，95% 区间 [.000439, .0301]）；LLM 评委里 Claude 保留无许可纠正的偏好 0.630（区间 [0.603, 0.656]），GPT 是 0.519（区间 [0.505, 0.535]），贴着抛硬币。SFT 和偏好优化都会推高开源模型的使用频率。我们以为在训练模型"写得更好"，实际上在训练它"更像 AI"——这句话不是修辞，是测出来的。【直引】
还有个位置数据挺妙：实质纠正出现在句中位置的中位数是 0.341，无许可 0.544，冗余 0.862。越没许可的纠正，越往句子后面塞——像是在写完正文之后顺手补一个"不是X，而是Y"的落款。这个细节帖子没提，但它把"口头禅"三个字钉成了可量级的习惯。【判断】
下一根钉子：奖励模型偏爱它，这条最麻烦。频率好压，偏好难改——只要评委继续给这种句式加分，压频率就是按葫芦浮瓢。论文说了"关注得体性，不只是频率"，但没给出去偏方案。下一个该看的实验：把得体性判断本身做成可训练的奖励（比如让评委先输出"X 是不是活的替代项"再打分），这套口头禅能不能被反向训练压回去。谁先做成，中文 AI 腔治理才算有了解剖刀。