先看一句英文：
Your instinct is right; the convoluted sentence you are currently reading is quietly eating its own reader-patience budget — footnote it.
直譯大概是：「你的直覺沒錯；你正在讀的這個繞口句子，正悄悄吃掉它自己的讀者耐心預算，把它丟進註腳吧。」
這是一篇論文的第一句。作者故意寫了一個很像 AI 會寫的句子，然後問讀者：如果你在網路上看到這句話，是不是會懷疑它出自語言模型？
我第一次讀到時笑了出來，因為太像了。這幾個月我在看一些學員帶來的草稿時，常讀到這種句子。每個字都看得懂，文法也沒錯，可是讀完要停下來想三秒，才知道它到底在說什麼。
這篇論文是 Thomas Hikaru Clark（紐約大學）、Matias B. Martin 與 Kyle Mahowald（德州大學奧斯汀分校）2026 年 10 月放上 arXiv 的〈Why is AI-generated language so hard to understand?〉。他們想回答的問題很直接：大家都覺得 AI 寫的東西最近變得比較難讀，這個感覺有沒有根據？如果有，原因是什麼？
這篇文章先整理研究發現，再談我讀完之後的想法，最後回到研究生最關心的事：寫論文時，怎麼避免寫出這種句子。
AI 味有兩種
講到 AI 味，多數人最先想到的就是那些沒靈魂的罐頭文。開頭先稱讚你的問題很好，段落裡塞滿「值得注意的是」「深入探討」「不僅……更……」，結尾一定有「總而言之」，列點永遠是三點。英文世界也有類似的清單，最有名的是 delve 這個字被語言模型用到氾濫。
這類 AI 味已經有不少研究。論文的文獻回顧提到，過去的研究把特定詞彙被過度使用，追溯到以人類回饋做的強化學習（RLHF）：模型被訓練成討人喜歡，就學會了討人喜歡的腔調，也有研究發現人類回饋會獎勵比較長的回答。
Clark 等人關心的是另一種。他們注意到，最新一代模型的文字問題愈來愈不在於囉嗦，反而是太密：句子很短、很省字，可是每個字都背負著好幾層意思，讀者得自己把省掉的東西補回來。開頭那個例句就是這種密度。它沒有一句冗詞，卻比原本的語句更難讀。
我覺得把這兩種分開很重要，因為它們的改法剛好相反。罐頭文要刪，密語要拆。只會盲目刪改的人，可能會把文章改得更密、更難讀。
▲ 兩種 AI 味的來源不同，改法也相反。這篇研究談的是紅字標出的密語
研究做了什麼
研究團隊蒐集了 14 個模型的輸出，包含 9 個前沿模型（Claude Sonnet 5、Opus 5、Opus 5.5、Fable 5，GPT-5.6 的三個版本，GLM-5，Kimi K2.5），以及 5 個較小的開源模型（Llama 3.1 8B 與 Olmo 3 7B 的不同版本）。語料涵蓋三種情境：
- 聊天：10 個話題，每段對話 12 輪，共 120 段
- 寫程式：5 個 GitHub 專案，每段 12 輪，共 45 段
- 論說文：7 個題目，每個模型寫 10 篇，共 980 篇，對照 2,934 篇同題目、得分 5 到 6 分（滿分 6 分）的學生作文
他們評量的是心理語言學研究已知會增加閱讀負擔的句子特徵，並和人類寫的文字比較：聊天對照電影字幕，程式對照 StackExchange 的問答，論說文對照學生作文。
在這個研究設計裡，我最欣賞的是往返翻譯這一步。只拿 AI 和人類比，會有一個問題：AI 寫的內容本來就和人類不同，句子結構不一樣，可能只是因為內容不一樣。於是他們把每一句 AI 輸出翻成日文再翻回英文。意思大致不變，用詞和句式卻會被洗回比較常見的說法。如果某個特徵在翻譯後變少了，就代表模型在有其他說法可選的情況下，主動選了這個難讀的寫法。
▲ 往返翻譯把內容固定住，只讓說法改變，才分得出哪些是模型自己選的寫法
讓人讀不動的六個特徵
下表是研究追蹤的特徵，英文例句全部摘自論文附的模型實際輸出。右欄是我依照同樣的道理，寫出中文學術寫作裡對應的樣子，屬於我的推想，研究本身只分析英文。
| 特徵 | 論文裡的英文例句 | 中文寫作裡可能長這樣（示範句） |
|---|---|---|
| 名詞當動詞用 | So yes — calendar it. | 「先把這個構念落地」「讓研究框架閉環」 |
| 無生命主詞配上有生命的動詞 | The whole conversation is eating its own tail. | 「文獻正在吞噬研究者的時間」「這個變項在偷偷拉低信度」 |
| 名詞疊加 | a horror movie soundtrack generator | 「研究生論文寫作時間成本焦慮」 |
| 主詞與動詞距離太遠 | A cat who can always get up and away is a much calmer cat. | 「以臺灣北部三所大學曾修習 AI 通識課程且曾在期末報告使用生成式 AI 之大學部學生為對象」 |
| 罕見或自創的詞組 | verified red against the original source | 「讀者耐心預算」「論證張力頻寬」 |
| 省略可有可無的功能詞 | a first name he’d never hear anyone use（省掉 that） | 句子靠逗號一路接下去，因為、所以、但是都省掉，因果關係要讀者自己補 |
結果可以濃縮成幾句話：
- 和人類寫的文字相比，9 個前沿與準前沿模型全都更常用無生命主詞配有生命的動詞，也全都更常出現罕見詞組。多數模型在聊天時還有主詞動詞距離較長、名詞疊加較多的情形。
- 往返翻譯的結果顯示，多數前沿模型在幾乎所有情境下，都比翻譯後的同義版本更常用罕見詞組、名詞當動詞、無生命主詞，以及省掉 that 的關係子句。換句話說，這些寫法是模型自己選的。
- 較舊、較小的模型（Llama 與 Olmo 的基礎版、指令版）幾乎沒有這個現象，最接近學生作文。同一家族裡，從基礎版、指令版到推理版，效果一路變大，Olmo 的推理版已經和前沿模型差不多。
- 論說文的效果比聊天與寫程式小。作者推測原因是論說文只有一次提問，聊天與寫程式是十幾輪的長對話，長對話可能更需要壓縮資訊。這一點他們明說是推測。
還有一個值得記下來的結果：Claude Opus 5.5 和前一代 Opus 5 相比，在各情境與困難相關的 21 個比較中，有 19 個比較好讀。也就是說，這不是語言模型躲不掉的宿命，訓練方向調整了，句子就會變回好讀。
▲ 從基礎版、指令版到推理版，再到前沿模型，難讀的寫法一路增加；Opus 5.5 是往回調的例外
為什麼會這樣
作者的解釋從人類語言講起。心理語言學累積了大量證據，顯示人類語言在長期使用中被溝通的需要磨過：要好說，也要好懂。人的工作記憶有限，句子是一個字一個字讀進來的，所以人類的語言普遍偏好讓相關的字靠近，也會在資訊太密的地方多放幾個不必要的字，讓讀者喘口氣。一直讓人讀不懂的說法，久了就會被淘汰。
語言模型沒有這些限制。它可以一次看完非常長的上下文，不會忘記前面講過什麼。更重要的是，新一代模型在後訓練階段大量練習數學、寫程式與推理，獎勵的是答對，加上上下文長度有成本，模型自然被推向省字。至於讀的人懂不懂，不在獎勵裡。
為了測試這個解釋，作者做了第二個實驗。他們拿一個 15 億參數的小模型，訓練它把結構化的事件描述寫成英文句子，例如把「寄件者：他、物品：照片、收件者：我們」寫成一句話。每個事件都有兩種正確寫法，一種比另一種短，例如 He sent us a photo 和 He sent a photo to us。訓練時加上長度懲罰，寫得愈長扣分愈多。
結果是，只要有長度懲罰，模型就幾乎一律選擇短的寫法。沒有額外約束的設定下，兩種省略 that 的句型，短版比例在每個懲罰強度下都超過 98%。人類不會這樣，人會看情境選，後面接的內容愈難預測，人愈傾向把 that 留著。更值得注意的是，這個偏好會擴散到訓練時沒出現過的句型。沒有人叫模型寫得精簡，它自己學會了。
作者也坦白交代限制：只分析英文，模型與對話數量有限，第二個實驗是用小模型做的概念驗證，不等於證明前沿模型就是這樣變難讀的。
▲ 獎勵什麼，句子就長成什麼樣。98% 是沒有額外約束時，兩種省略 that 的句型在各懲罰強度下的短版比例
讀完之後的心得
讀這篇論文時，我一直想到學術寫作本來就有的老毛病。論文的文獻回顧提到，法律文書之所以難讀，原因之一就是主詞和動詞之間塞了太多東西。學術論文也一樣，一個研究對象寫成五十字的長定語，一個概念堆砌了四、五個名詞，在很多系所甚至被當成專業的樣子。
所以，我不認為 AI 發明了難讀的學術文章。它比較像一面放大鏡，把我們原本就有的壞習慣放大，再用很快的速度大量生產。研究生拿 AI 的草稿來修改，常常沒發現問題，因為這種密度在學術圈看起來很正常，甚至會讓人覺得很厲害。
可是讀者一直是人。指導教授、口試委員、期刊審查人，都在有限的時間裡讀很多篇文章。這項研究提醒了我一件很基本的事：好讀不是修辭上的加分題。讀者一次能記住的東西有限，你的論證再好，對方讀不進去就等於沒寫。
另一個心得是，AI 味的根源和訓練目標有關。模型寫成那樣，是因為它被獎勵的事情裡沒有讀者這一項。人寫作時也一樣，心裡沒有讀者，只想把該講的講完、字數湊滿或壓到上限，寫出來的東西就會往同一個方向偏。去 AI 味的第一步不在換詞，要先把讀者放回心裡。
學術寫作怎麼避開 AI 味：八個做法
以下的做法，一部分直接對應研究裡的六個特徵，一部分是我自己改稿的習慣。研究只分析英文，用在中文上是我的延伸，請把它當成檢查的方向，不要當成公式。
▲ 八個做法依修改的先後分成三組，紅框是文中特別強調的兩步
1. 先想好是寫給誰讀
動筆或修改前，先具體想一個讀者：你的口委、你要投的期刊的審查人，或者隔壁研究室不同領域的同學。他們會花多少時間讀？哪些術語他們不熟？
這一步聽起來很虛，卻是後面所有做法的基礎。研究裡的模型寫得難讀，正是因為它的訓練目標裡沒有讀者。
2. 讓主詞回到人或研究動作身上
無生命主詞配有生命的動詞，在中文裡常寫成擬人句：「資料在說話」「文獻在吞噬時間」「這個變項在拉低信度」。偶爾一句是修辭，整段都這樣，讀者就得一直把比喻翻譯回事實。
改法是問：真正做這件事的是誰？
改前：這個變項在偷偷拉低整份量表的信度。
改後：刪掉這個題項後，量表的 Cronbach’s α 從 .71 升到 .83。
「資料顯示」「結果指出」這類學術慣用說法讀者早已習慣，不必刻意避開。要留意的是那些需要停下來想像畫面的動詞。
3. 三個名詞以上連在一起，就拆成一句話
名詞疊加最省字，也最難讀，因為名詞之間的關係全部省略了，讀者得自己猜。
改前：研究生論文寫作時間成本焦慮
改後：研究生寫論文時，常為了花掉的時間而焦慮
判斷方式很簡單：試著用一句完整的話說出這串名詞的意思。說得出來，就把那句話寫上去；說不出來，代表你自己也還沒想清楚。
4. 拆長定語，讓主詞和動詞靠近
英文的問題是主詞與動詞隔太遠，中文最常見的版本是很長的定語，一串「的」或「之」疊在名詞前面，讀者讀到最後才知道主角是誰。
改前：本研究以臺灣北部三所大學曾修習 AI 通識課程且曾在期末報告使用生成式 AI 之大學部學生為研究對象。
改後：本研究的對象是臺灣北部三所大學的大學部學生。受訪者須修過至少一門 AI 通識課程，並曾在期末報告中使用生成式 AI。
字數變多了，讀起來卻比較快。這正是人類語言和研究裡那個被長度懲罰訓練出來的模型不一樣的地方：人願意多寫幾個字，換讀者少花幾秒。
5. 自創詞組要嘛先定義，要嘛換掉
「讀者耐心預算」「論證張力頻寬」這類詞組，作者自己覺得傳神，讀者第一次看到只會卡住。研究量到的罕見詞組，在英文裡是語料庫裡幾乎沒出現過的詞語組合，中文的對應就是這種臨時拼出來的說法。
處理方式有兩種。這個概念真的重要、會反覆出現，就在第一次出現時給一個明確的定義，之後全文都用同一個詞；只是一時順手，就換成白話。另外要留意同一個概念在不同章節換了三種說法，那會讓讀者以為你在講三件不同的事。
6. 把連接詞補回來
研究發現模型愈來愈常省略英文裡可有可無的 that。中文沒有這個詞，但有同樣的現象：因為、所以、但是、因此全部省掉，句子用逗號一路接下去。寫的人知道前後是因果還是轉折，讀的人只能猜。
改前：樣本集中在北部，推論受限，後續研究可擴大範圍。
改後：由於樣本集中在北部，本研究的結果未必能推論到其他地區，後續研究可以擴大取樣範圍。
這幾個字不是贅字。心理語言學稱之為讓資訊密度保持平均，在資訊最密的地方放慢速度，讀者才跟得上。
7. 請 AI 指出讀不懂的地方，改寫留給自己
很多人去 AI 味的方法，是把整段貼給 AI，請它改得像人寫的。這有兩個問題。第一，它常常只是把一種腔調換成另一種。第二，你會失去對句子的掌握，改完的段落可能悄悄改掉了你的論點或語氣強度。
比較穩妥的做法，是請 AI 當一個沒讀過你論文的讀者，只指出問題，不動手改。例如：
你是一位不熟悉本研究領域的大學教師，第一次讀這段文字。請逐句標出你需要停下來重讀才能理解的句子，說明卡住的原因（例如：主詞不清楚、名詞堆在一起、某個詞沒定義、前後關係不明）。不要改寫，也不要提供替代句子。
AI 給的意見不一定都對，你可以不接受。重點是改寫的人是你。
另外，研究作者推測長對話可能讓模型更傾向壓縮資訊。這一點還沒被證實，但很好防：如果你和 AI 在同一段對話裡來回改了很多輪，後段產出的文字要特別檢查，必要時開一段新對話重來。
8. 出聲念一遍，或找沒讀過的人讀
最後一個方法最古老，也最有效。把段落念出來，念到要換氣、要回頭重讀的地方，通常就是讀者會卡住的地方。能找一位沒讀過你論文的同學讀五分鐘，請他用自己的話說出這段在講什麼，效果更好。他說錯的地方，多半是你沒寫清楚的地方。
去掉 AI 味，不等於藏起 AI
最後要講一件容易被混在一起的事。
把句子改得好讀，是為了讀者設想。它和你有沒有用 AI、要不要揭露，是兩件不同的事。學校與期刊要求揭露的，是你在研究與寫作過程中怎麼用了 AI，不論最後的文字讀起來像不像 AI 寫的。
所以，比較合適的順序應該是這樣：照實記下自己怎麼用 AI，依投稿對象的規定寫進揭露聲明；同時把每一句話改到讀者讀得懂。前者是誠信，後者是寫作基本功，兩件事都要做。
如果你想把這套流程完整走一遍，以下有兩個方案可以參考。
12 月 20 日（日）上午 09:00 到 12:00，我在臺北開第四期〈AI 賦能學術研究與寫作實戰工作坊〉。三小時的實作課，請帶你自己的題目或一篇要改的草稿來，現場用 AI Agent 走完文獻、閱讀筆記到寫作修潤的流程，其中一段就是拿你的草稿示範怎麼讓 AI 只指出問題、由你自己改，並帶走一份 AI 使用揭露與倫理自檢清單。名額 20 人，早鳥價 NT$4,500 到 11 月 29 日 23:59 為止。
如果想先自己練，下面幾本研究者手冊和這篇的主題最相關，其餘幾本可以在〈研究者手冊〉頁面看到：
- 《AI 學術研究 Prompt 手冊》：30 條學術研究提示詞，每條附 AI 可能怎麼出錯、你該怎麼核對，涵蓋寫作與引用查核
- 《AI 使用揭露聲明範本包》：依你實際怎麼用 AI，以及投稿對象的規定原文，寫出一段照實的揭露聲明
- 《投稿與審查意見回覆包》：投稿前預審與回覆審查意見的流程，AI 只整理、比對、檢查語氣，立場由你決定
延伸閱讀：
- 〈用了 AI 不可恥，藏起來才有風險：3 分鐘做好論文投稿的 AI 使用揭露與倫理自檢〉
- 〈投稿學術期刊前，先查這份 AI 規定一覽：26 本臺灣人文社會期刊逐本讀完後的發現〉
- 〈論文腳註裡的 Gemini 分享連結：查文獻不能偷懶照抄 AI〉
參考資料
- Clark, T. H., Martin, M. B., & Mahowald, K. (2026). Why is AI-generated language so hard to understand? arXiv. https://arxiv.org/abs/2610.29162
常見問題
什麼是 AI 味？
泛指讀者一看就覺得是 AI 寫的文字特徵。早期的 AI 味多半是套話與固定句式，例如過度熱情的開場、「值得注意的是」「總而言之」、三段式排比。Clark、Martin 與 Mahowald（2026）的研究指出另一種較新的 AI 味：句子資訊塞得太密，常見名詞疊加、無生命主詞配上有生命的動詞、主詞與動詞距離太遠、自己湊出來的詞組。這些結構在心理語言學研究裡都和閱讀困難有關。
為什麼新的語言模型反而寫得更難讀？
研究者提出的解釋是訓練目標不同。人類的語言長期在溝通的壓力下演化，要兼顧好說與好懂；新一代模型大量針對數學、程式與推理做後訓練，獎勵的是答對與省字，不一定獎勵讀者讀得懂。他們用長度懲罰微調一個小模型，模型很快就幾乎一律選擇較短的句式，連沒訓練過的句型也受影響。不過研究也發現較新的 Claude Opus 5.5 在多數指標上比前一代 Opus 5 好讀，代表這個問題可以靠訓練改善。
把論文的 AI 味去掉，就可以不用揭露 AI 使用嗎？
不行。改寫句子是為了讓讀者讀得懂，跟有沒有使用 AI 是兩件事。學校與期刊要求揭露的是你怎麼用了 AI，不論最後的文字讀起來像不像 AI 寫的。用了就照實寫，依投稿對象的規定放在指定的位置。
可以請 AI 幫我把文章改得比較不像 AI 寫的嗎？
可以請它幫忙找問題，但不建議整段交給它重寫。整段重寫常常只是把一種腔調換成另一種，而且你會失去對句子的掌握。比較穩的做法是請 AI 扮演沒讀過你論文的讀者，標出它覺得難懂的句子並說明原因，改寫由你自己動手。
