把 AI 味改回去，有三层抓手

把 AI 味改回去，有三层抓手

前几天本号写过一篇《谁在奖励模型不说人话》（NYU 与 UT Austin 团队 10 月 21 日的论文，arXiv 2610.29162）：九个前沿模型系统性地超用那些心理语言学证实「读着费脑子」的句式，根子是可验证奖励把「正确」和「像人话」拆开了——正确性有人付分，可读性没有。那一篇讲的是病灶。这一篇讲处方：这篇论文连同周边研究里，其实藏着一份可操作的改法清单，从造模型到用模型到人改稿，每层都有抓手。

先看训练层的证据：AI 味是可逆的，而且已经有模型改了。论文里 Opus 5.5 在 21 项难特征对比中 19 项低于前代 Opus 5，8 项差距显著；对照 Anthropic 九月发布 Opus 5.5 时的官方说法——「沟通更自然」「写作更清晰易follow」「把最重要的信息放在最前面」——实验室的宣传和语言学家的测量对上了。这说明有效的干预不是玄学，方向就是把沟通质量设为奖励。论文的机制实验也给了处方细节：他们用一个很轻的长度惩罚微调 Qwen2.5-1.5B，模型立刻收敛出对短变体的压倒性偏好，还迁移到没训过的句式——RL 对语言习惯的塑造力就是这么强且便宜。反过来说，只要有人付「像人话」的分，语言就会往回漂。

但这里埋着全文最反直觉的一条：简洁和人味，可能不是一回事，甚至在往反方向拉。回头看论文考的五个难构式，大部分正是「压缩变体」——省掉 that 的宾语从句比补全的短，名词动用（calendar it）比说全（put it on the calendar）短，名词堆叠比拆成从句短。论文实验里，长度惩罚一开，模型系统性地滑向这些更难读的短说法。这解释了一个很多人亲身踩过的坑：你嫌 AI 啰嗦，在提示词里写「精炼一点」「去掉废话」，结果读起来更累而不是更顺——因为压缩压力会把句子推向信息密度更高、加工成本更高的形态。人味的关键从来不是句子短，而是加工省力：一个三十字的长句，如果主语是活人、动词靠前、依存关系一眼看清，比一个十五字的名词塔好读得多。写提示词时，「像同事说话一样」「先给结论再说理由」这类正面示范，比「别啰嗦」有效——Anthropic 自己的提示工程文档也是这么写的，给正面例子，别给负面清单。

第二层是用模型的人能做的：给稿子装质检。论文的对照设计可以直接抄——他们判断「AI 味」的办法是把原文经日语来回翻译，意思不变、只留句式差异，然后看难特征在哪边更多。这个方法用户版零成本：把你（或 AI）写完的稿子丢进翻译器绕一圈，读译文。哪句话译文反而比原文顺，哪句就是加工成本超标的重灾区——因为翻译器的语言近似「中性密度」，你的原文比它更拧巴，就说明密度超了。这比盯着 delve、tapestry 那类特征词表靠谱：词表层早就是军备竞赛了，有研究实测模型可以自修风格直到检测词消失（今年 9 月就有论文发现 AI 词汇正在渗进学术论文、且能被模型自己绕开），而句式结构和信息密度这些深层特征，改词是绕不掉的。

第三层是最后把关的人改稿时对着抄的清单，直接从论文的五个构式翻译成大白话：主语不是活人的（The whole conversation is eating its own tail），问一句「到底是谁在干什么」，把它还给人；名词摞三层的（a horror movie soundtrack generator），拆成小句子，把动作还给动词；名词当动词用的（calendar it、solution this），换回正常动词；省 that 的从句，把那个 that 补回来——它读着碍事，是因为它替读者标记了句子结构；一句话里主语和动词隔了三十个词的，把距离砍到十个以内。这五条没有一条是风格偏好，全部对应工作记忆的硬约束：人脑是增量加工的，一次只能挂着两三个成分等下文，长依存和名词塔都在往挂起队列里塞东西。

中文写作还有一层英文论文没碰的：素材层。中文世界对 AI 味的讨论（翻译腔家族——万用开场、对称排比、形容词代替事实、没有立场）近年已经很成体系，但拆到底会发现很多「AI 味」的更深处不是句法，是内容没有经历：没做过这道菜却写「轻轻搅动，香气扑面而来」，句式再地道也是空的。这也是论文结论之外值得补的一笔——句式层可以用尺子量和改，素材层只能靠真做过。先有真的，再谈顺的。

最后值得把论文结尾那个词放大：monitorability。AI 味不只是文风问题——模型写的报告、代码注释、安全论证，最终要有人读、有人核。难懂的语言是对监督征税：句子越拧巴，能读懂的人越少，愿意审的人越少，漏过去的东西越多。所以「让模型说人话」不是讨好用户的服务项，而是人还留着看门能力的底线。三层层级里，最便宜的杠杆在最外层——下次读完一段拧巴的文字，把它丢进翻译器绕一圈，你会发现哪里病得最重。