这种心累，纽约大学和 UT Austin 的语言学家拆开了：对比 14 款大模型和人类的文本，发现不少前沿模型在系统性地多用 6 类写法——省下几个词，把补全意思的活儿丢给了读者。
下面 6 种，你读 AI 回答时最受不了哪一种？👇
✂️ 省掉提示词，关系让你猜
the job you hate 省了 that，完全合语法，可句子一复杂，多个词读者才跟得上
🔧 名词直接当动词用
Claude 写"calendar it"，意思是"把它记进日历"，动作得你自己还原
🐍 让抽象的东西"活"起来
"整场对话在吃自己的尾巴"，你得先解比喻，才知道它想说讨论又绕回原地了
⏳ 主语等半天才等到谓语
A cat who can always get up and away is…，读到 is 之前，你得一直记着那只猫
🧱 一串名词堆在一起
horror movie soundtrack generator，恐怖、电影、配乐、生成器，谁修饰谁要你自己分层
🧩 词都认识，组合很少见
verified red against，red 在软件测试里是"失败"，不在那个语境里根本看不懂
为什么会这样？研究者的猜测是：模型后训练大量练代码和数学，答对就给分，没人要求它让普通人好读；再加上节省输出长度的压力，就越写越紧凑。
他们在一个 1.5B 的小模型上做了验证：同样都答对，只要加上长度惩罚，两种可省 that 的句式里，选短式的比例都超过 98%。
说人话就是：AI 把信息压紧了，读者展开时就得多补一步。让 AI 改稿时别只说"再精炼一点"，可以这样提要求：保留事实、例子和必要条件，删去重复；把动作说清，把名词之间的关系写明，让相关的词靠近。
提醒一句：研究只分析了英语，也没让真人测疲劳程度，中文写作可以借鉴这个思路。
完整解读放评论区了👇