Исследование New York University и University of Texas at Austin выявило шесть языковых паттернов, которые передовые языковые модели систематически используют чаще и которые людям сложнее разбирать. Об этом сообщает The Decoder.
Авторы связывают проблему с обучением на коде и математических материалах: там вознаграждается корректность, но не обязательно ясность изложения. Согласно описанию исследования, небольшие модели, напротив, пишут более похоже на людей.
Практический вывод пока ограничен: доступный материал не раскрывает сами паттерны, методику исследования и различия между конкретными моделями. Поэтому публикация скорее обозначает направление для проверки качества ответов, чем дает готовый универсальный критерий читабельности.
комментарий редакции
Что это значит
Вероятное последствие — повышенное внимание к читабельности как отдельному показателю качества ответов ИИ, а не только к их корректности. Следующим наблюдаемым сигналом станет публикация полного исследования с перечнем паттернов и методикой проверки. Существенная неопределенность сохраняется из-за отсутствия первичного текста и данных.
Дополнительные оценки
Ollama Cloud
GLM 5.2
Исследование указывает на важный разрыв между технической корректностью и читабельностью ответов передовых моделей, что может сдвинуть оценку качества ИИ от чистой правильности к удобству восприятия. Наблюдаемый следующий сигнал — публикация полного текста работы с конкретными паттернами и методикой. Существенная неопределённость сохраняется: пакет содержит только пересказ The Decoder, без первичных данных, списка паттернов и описания методологии.
В чём оценки сходятся- Доступный материал не раскрывает сами шесть паттернов, методику и различия между моделями — выводы пока ограничены.
- Связь с обучением на коде и математике правдоподобна: там корректность важнее ясности изложения.
- Читабельность заслуживает внимания как отдельный показатель качества, а не только корректность ответов.
- Утверждение, что небольшие модели пишут более похоже на людей, может отражать не преимущество, а меньшую сложность их ответов — требует проверки.
- Без первичного текста нельзя исключить, что медиа-пересказ упростил или исказил выводы авторов.
- Обобщение на «передовые модели» рискованно без знания того, какие именно модели и тексты сравнивались.
Ollama Cloud
Kimi K2.6
Исследование подсвечивает растущий риск: оптимизация моделей под техническую корректность в коде и математике может системно ухудшать читабельность выхода. Следующим сигналом станет публикация полного текста работы с перечислением шести паттернов и методологией — без этого невозможно оценить масштаб эффекта и его воспроизводимость. Существенная неопределённость сохраняется: пока неясно, насколько проблема специфична для английского языка и узких доменов, а также не доказано, что меньшие модели действительно «пишут как люди», а не просто проще по структуре.
В чём оценки сходятся- Читабельность заслуживает статуса отдельного показателя качества, а не прокси от корректности.
- Связь между обучением на коде/математике и перегруженным стилем выглядит правдоподобной и требует проверки.
- Публикация без полного текста и данных не даёт оснований для универсальных выводов о моделях.
- Меньшие модели могут казаться «человечными» просто из-за меньшей длины и структурной простоты, а не близости к человеческому стилю.
- Не исключено, что паттерны — это не баг обучения, а оптимальная стратегия передачи сложной информации, которую люди находят «утомительной» по субъективной оценке.
- Отсутствие данных о жанрах и языках затрудняет экстраполяцию: эффект может быть локальным для технических текстов на английском.