Die Forschung von der New York University und der University of Texas at Austin identifiziert sechs Sprachmuster, die fortschrittliche Sprachmodelle systematisch häufiger verwenden und die Menschen schwerer zu verstehen finden. Darüber berichtet The Decoder.
Autoren verknüpfen das Problem mit dem Training auf Code- und mathematischen Materialien: Dort wird Korrektheit stärker belohnt als Klarheit in der Darstellung. Laut Beschreibung der Forschung schreiben kleinere Modelle dagegen eher wie Menschen.
Der praktische Nutzen ist bisher begrenzt: Der verfügbare Material offenbart nicht die Muster selbst, die Methodik der Studie oder Unterschiede zwischen konkreten Modellen. Die Veröffentlichung deutet daher eher eine Richtung zur Überprüfung der Qualität von Antworten an als einen fertigen universellen Lesbarkeitskriterium.
redaktioneller Kommentar
Warum es wichtig ist
Wahrscheinliche Folge ist eine erhöhte Aufmerksamkeit auf die Lesbarkeit als eigenständiges Qualitätskriterium von KI-Antworten, und nicht nur auf ihre Korrektheit. Als nächstes erkennbares Signal wird die Veröffentlichung der vollständigen Studie mit Auflistung der Muster und der Methodik zur Überprüfung. Wesentliche Unsicherheit bleibt aufgrund fehlender Primärtexte und Daten.