ニューヨーク大学とテキサス大学オースティン校の研究によると、最先端の言語モデルは、出力の読みにくさを増す言語パターンを体系的に過剰使用していることが示された。
ChatGPT、Claude、その他の言語モデルを日常的に使っている人なら、この感覚はよく分かるだろう。回答は事実的に正しいことが多いのに、読むのが作業のように感じられる。入れ子になった文章、奇妙な語の組み合わせ、人間なら決して使わない比喩に満ちているのだ。
A ニューヨーク大学とテキサス大学オースティン校の研究者による研究 そのデータはこの主張を裏付けています。研究チームは、14の言語モデルに日常会話、コーディングセッション、論説文のテキストを生成させました。対象にはClaude、GPT-5.6、GLM-5、Kimi K2.5、さらにLlamaやOlmoのような小規模なオープンソースモデルが含まれていました。研究者たちは合計で120の会話、45のコーディングセッション、980の論説文を分析し、それらを映画の字幕、StackExchange、学生の論説文から収集した人間が書いたテキストと比較しました。
AIテキストを読むのを苦痛にする6つのパターン
AIモデルは「reader-patience budget(読者忍耐予算)」のような、人間の文章にはめったに現れない珍しい単語の組み合わせを過剰に使い、文の中で関連する部分を大きく離して配置し、作業記憶に負担をかける形になりがちです。Claude Opus 5 は「A cat who can always get up and away is a much calmer cat」という文を生成しましたが、ここでは主語と主要な述語が長い節によって隔てられています。
接続詞が省略された短縮表現もよく見られます。たとえば「the book」の代わりに それ その教授は「the models write 'the book the professor wrote'」と書いた。単語を1つ節約したが、部分同士がどう組み合わさるのかについて短い混乱を生んだ。「horror movie soundtrack generator」のような名詞の積み重ねは、どの語がどの語を修飾するのかを読者に自力で判断させる。
モデルは人間がそうしないところで名詞を動詞化します。人間なら「カレンダーに入れておいて」と言う場面で、Claude Fable 5は「calendar it（それをカレンダーする）」と書きました。無生物の主語に有情動詞を適用することもあります。会話には尻尾もなければ食べることもできないのに、Claude Opus 5は「The whole conversation is eating its own tail（会話全体が自分の尻尾を食べている）」という文を生成しました。読者は何を意味しているのか理解できますが、理解までにワンテンポ余計にかかります。
小規模モデルはより人間らしく書く
Llama と Olmo ベースモデルが人間のテキストに最も近いスコアを示しました。Olmo ファミリーの中では、ベースモデルから instruct 版を経て推論モデルの Olmo Think へとスコアが着実に上昇しており、Olmo Think はフロンティアレベルの数値に達していて、その原因はポストトレーニングにあると考えられます。Claude Opus 5.5 は 21 回の比較のうち 19 回で前身の Opus 5 を上回っており、これは 対象を絞ったファインチューニングにより、読みやすさを向上させることができる.
トレーニングは明瞭さよりも情報密度を重視する
人間の言語は発話のしやすさと理解のしやすさのバランスを保っていますが、現代の言語モデルは数学、コード、論理的推論などのタスクで訓練されることが増えており、そうしたタスクでは正確さが報酬を得る一方、明快さは報われないと研究者たちは述べています。
からの転換 RLHF(人間のフィードバックによる強化学習) to RLVR(検証可能な報酬を用いた強化学習) フィードバックループから人間を完全に取り除くと、研究者らは主張する。モデルは情報の圧縮や複雑な問題の解決には有効だが、人間の読者にとっては分かりにくい一種の「方言」を発達させるのである。
実証実験として、研究者らは短い回答に報酬を与えるペナルティ項を用いて、より小規模な言語モデルを訓練した。特定の訓練条件下では、モデルは文脈に関係なくほぼ例外なく短い表現を選好するようになり、その選好を訓練中に一度も遭遇したことのない文型にまで一般化した。これに対し、人間は状況に応じて短い変種と長い変種を使い分けていた。
業界内部からも同様の説明が寄せられている。Claudeのファインチューニングを担当するAnthropicの従業員Jackson Kernionは、 最近、次のように説明した。 Opus 4.6がAnthropic製の最後の優れた「ライティングモデル」だった理由を。数学、コード、他のAIモデル向けの技術的説明のために新しいモデルを最適化したことが、AIには有効でも人間には密度が高すぎて不自然に読めるスタイルへとClaudeを向かわせたという。Kernionはこれを「LLM心理学」への適応と呼んだ。Opus 5.5で、Anthropicは初めてこれに反発し、文章の明瞭さと過剰に詰め込まれた情報の塊に対処した。そして調査が示す通り、それは成功した。