تشير دراسة من جامعة نيويورك وجامعة تكساس في أوستن إلى أن نماذج اللغة الرائدة تبالغ بشكل منهجي في استخدام أنماط لغوية تجعل مخرجاتها أصعب في القراءة.
أي شخص يعمل بانتظام مع ChatGPT أو Claude أو غيرهما من نماذج اللغة يعرف هذا الشعور. فالإجابات كثيرًا ما تكون صحيحة من حيث الحقائق، لكن قراءتها تبدو وكأنها عمل شاق، مليئة بالجمل المتشابكة، ومزيج من الكلمات الغريبة، والتشبيهات التي لا يستخدمها أي إنسان على الإطلاق.
أ دراسة أجراها باحثون في جامعة نيويورك وجامعة تكساس في أوستن يدعم ذلك بالبيانات. طلب الفريق من 14 نموذجًا لغويًا إنتاج نصوص في محادثات غير رسمية وجلسات برمجة ومقالات جدلية. ضمّت المجموعة Claude وGPT-5.6 وGLM-5 وKimi K2.5 ونماذج مفتوحة المصدر أصغر مثل Llama وOlmo. في المجموع، حلّل الباحثون 120 محادثة و45 جلسة برمجة و980 مقالًا، ثم قارنوها بنصوص كتبها بشر من ترجمات الأفلام وStackExchange ومقالات الطلاب.
ستة أنماط تجعل نصوص الذكاء الاصطناعي مُتعِبة في القراءة
تُفرط نماذج الذكاء الاصطناعي في استخدام تركيبات كلمات غير معتادة نادرًا ما تظهر في الكتابة البشرية، مثل "ميزانية صبر القارئ"، كما أنها تضع الأجزاء المرتبطة من الجملة بعيدًا عن بعضها بطرق تُرهق الذاكرة العاملة. وقد أنتج Claude Opus 5 جملة "A cat who can always get up and away is a much calmer cat"، حيث يفصل شرط طويل بين الفاعل والمحمول الرئيسي.
الإشارات المختصرة بحذف أداة الربط شائعة أيضًا. بدلًا من "الكتاب ذلك كتب الأستاذ "النماذج تكتب "الكتاب الذي كتبه الأستاذ،" موفرًا كلمة واحدة لكنه أحدث لبسًا وجيزًا حول كيفية تناسق الأجزاء معًا. الأسماء المتراكمة مثل "horror movie soundtrack generator" تجبر القراء على أن يكتشفوا بأنفسهم أي كلمة توصف بأي كلمة.
النماذج تحوّل الأسماء إلى أفعال في مواضع لا يفعلها البشر. كتب Claude Fable 5 عبارة "calendar it"، حيث كان الإنسان سيقول "ضعه في التقويم". كما يطبّقون أفعال الكائنات الحية على فاعلان جماد. أنتج Claude Opus 5 عبارة "The whole conversation is eating its own tail"، رغم أن الحوار ليس له ذيل ولا يستطيع الأكل. يستطيع القرّاء فهم المقصود، لكن ذلك يتطلب لحظة إضافية.
النماذج الأصغر تكتب بشكل أكثر شبهاً بالبشر
يأتي نموذج Llama والنموذج الأساسي Olmo أقرب ما يكون إلى النص البشري. وفي عائلة Olmo، ترتفع النتائج باستمرار من النموذج الأساسي مرورًا بالنسخة الإرشادية وصولًا إلى نموذج الاستدلال Olmo Think، الذي يحقق أرقامًا بمستوى النماذج الرائدة، مما يشير إلى أن التدريب اللاحق هو السبب المحتمل. يتفوق Claude Opus 5.5 على سابقه Opus 5 في 19 من أصل 21 مقارنة، مما يوحي بأن يمكن أن يحسّن الضبط الدقيق الموجَّه من قابلية القراءة.
التدريب يكافئ كثافة المعلومات على حساب الوضوح
يقول الباحثون إن اللغة البشرية توازن بين سهولة الإنتاج وسهولة الفهم، لكن نماذج اللغة الحديثة تُدرَّب بشكل متزايد على مهام مثل الرياضيات والبرمجة والاستدلال المنطقي، حيث تُكافأ الصحة ولا يُكافأ الوضوح.
التحول من RLHF (التعلم المعزز من التغذية الراجعة البشرية) إلى RLVR (التعلم المعزز بالمكافآت القابلة للتحقق) يزيل البشر من حلقة التغذية الراجعة تمامًا، كما يجادل الباحثون، وتطوّر النماذج نوعًا من "اللهجة" تعمل جيدًا لضغط المعلومات وحل المشكلات المعقدة لكنها سيئة للقرّاء البشريين.
وكإثبات للمفهوم، درّب الباحثون نموذج لغة أصغر مع حدّ جزائي يكافئ الإجابات الأقصر. وفي ظل ظروف تدريب معينة، فضّل النموذج الصياغات الأقصر تكاد يكون ذلك بلا استثناء، بغض النظر عن السياق، بل عمّم هذا التفضيل على أنماط جُمل لم يصادفها قط أثناء التدريب. أما البشر، في المقابل، فقد اختاروا بين الصيغ الأقصر والأطول حسب الموقف.
يأتي تفسير مماثل من داخل الصناعة نفسها. جاكسون كيرنيون، الموظف في Anthropic الذي يعمل على ضبط نموذج Claude الدقيق (fine-tuning)، أوضح مؤخراً لماذا كان Opus 4.6 آخر "نموذج كتابة" جيد من Anthropic. فتحسين النماذج الأحدث للرياضيات والبرمجة والشروحات التقنية الموجهة إلى نماذج الذكاء الاصطناعي الأخرى دفع Claude نحو أسلوب يعمل بشكل جيد مع الذكاء الاصطناعي لكنه يبدو مكثفاً وغير طبيعي أكثر من اللازم للبشر. سمّى كيرنيون ذلك تكيفاً مع "علم نفس النماذج اللغوية الكبيرة". ومع Opus 5.5، تراجعت Anthropic للمرة الأولى، وعالجت وضوح الجمل وكتل المعلومات المفرطة التحميل، وكما تُظهر الدراسة، فقد نجحت في ذلك.