Un estudio de la Universidad de Nueva York y de la Universidad de Texas en Austin muestra que los modelos de lenguaje de frontera sobreutilizan sistemáticamente patrones lingüísticos que hacen que su产出sea más difícil de leer.
Cualquiera que trabaje habitualmente con ChatGPT, Claude u otros modelos de lenguaje conoce esa sensación. Las respuestas suelen ser correctas en cuanto a los hechos, pero leerlas cuesta trabajo: están llenas de frases enrevesadas, combinaciones de palabras extrañas y metáforas que ningún ser humano usaría jamás.
A estudio de investigadores de la Universidad de Nueva York y la Universidad de Texas en Austin respaldo eso con datos. El equipo hizo que 14 modelos de lenguaje generaran texto en conversaciones casuales, sesiones de programación y ensayos argumentativos. La lista incluía Claude, GPT-5.6, GLM-5, Kimi K2.5 y modelos de código abierto más pequeños como Llama y Olmo. En total, los investigadores analizaron 120 conversaciones, 45 sesiones de programación y 980 ensayos, y luego los compararon con textos escritos por humanos procedentes de subtítulos de películas, StackExchange y ensayos de estudiantes.
Seis patrones que hacen que los textos de IA sean un fastidio leerlos
Los modelos de IA sobreutilizan combinaciones de palabras inusuales que rara vez aparecen en la escritura humana, como «reader-patience budget», y colocan partes relacionadas de una oración muy separadas de maneras que sobrecargan la memoria de trabajo. Claude Opus 5 generó «A cat who can always get up and away is a much calmer cat», donde el sujeto y el predicado principal están separados por una cláusula larga.
Las referencias abreviadas con un conector omitido también son comunes. En lugar de "el libro eso el profesor escribió: «los modelos escriben "el libro que el profesor escribió"», ahorrando una palabra pero creando una breve confusión sobre cómo encajan las partes. Los sustantivos apilados como "generador de banda sonora de película de terror" obligan a los lectores a averiguar por sí mismos qué palabra modifica a cuál.
Los modelos convierten sustantivos en verbos donde los humanos no lo harían. Claude Fable 5 escribió "calendar it" ("calendarizarlo"), donde un humano diría "put it in the calendar" ("ponerlo en el calendario"). También aplican verbos animados a sujetos inanimados. Claude Opus 5 produjo "The whole conversation is eating its own tail" ("toda la conversación se está comiendo su propia cola"), aunque una conversación no tiene cola y no puede comer. Los lectores pueden figurarse lo que se quiere decir, pero les toma un beat adicional.
Los modelos más pequeños escriben más como humanos
Llama y el modelo base Olmo se acercan más al texto humano. Dentro de la familia Olmo, las puntuaciones aumentan de manera constante desde el modelo base hasta la variante instruct y el modelo de razonamiento Olmo Think, que alcanza cifras de nivel frontera, lo que apunta al post-entrenamiento como causa probable. Claude Opus 5.5 supera a su predecesor Opus 5 en 19 de 21 comparaciones, lo que sugiere que el ajuste fino dirigido puede mejorar la legibilidad.
El entrenamiento privilegia la densidad de información sobre la claridad
El lenguaje humano equilibra la facilidad de producción con la facilidad de comprensión, pero los modelos de lenguaje modernos se entrenan cada vez más en tareas como matemáticas, código y razonamiento lógico, donde la corrección se recompensa y la claridad no, dicen los investigadores.
El cambio de RLHF (Aprendizaje por Refuerzo a partir de Retroalimentación Humana) a RLVR (Aprendizaje por Refuerzo con Recompensas Verificables) elimina por completo a los humanos del bucle de retroalimentación, argumentan los investigadores, y los modelos desarrollan una especie de "dialecto" que funciona bien para comprimir información y resolver problemas complejos, pero mal para los lectores humanos.
Como prueba de concepto, los investigadores entrenaron un modelo de lenguaje más pequeño con un término de penalización que recompensaba las respuestas más cortas. Bajo ciertas condiciones de entrenamiento, el modelo favoreció las formulaciones más cortas casi sin excepción, independientemente del contexto, e incluso generalizó esa preferencia a patrones de oraciones que nunca había encontrado durante el entrenamiento. Los humanos, en cambio, elegían entre variantes más cortas y más largas según la situación.
Una explicación similar proviene del interior de la industria. Jackson Kernion, empleado de Anthropic que trabaja en el ajuste fino de Claude, explicó recientemente por qué Opus 4.6 fue el último buen "modelo de escritura" de Anthropic. La optimización de los modelos más recientes para matemáticas, código y explicaciones técnicas dirigidas a otros modelos de IA empujó a Claude hacia un estilo que funciona bien para la IA pero que resulta demasiado denso y antinatural para los humanos. Kernion lo llamó una adaptación a la "psicología de los LLM". Con Opus 5.5, Anthropic reaccionó por primera vez, abordando la claridad de las frases y los bloques sobrecargados de información y, como muestra el estudio, con éxito.