查看 PDF HTML（实验性）摘要：人们普遍认为，人工智能生成的文本最近变得更加难以理解。在这项研究中，我们调查了一组心理语言学特征，这些特征已知与人类处理困难相关（例如，宾语关系从句、长句法依赖、低频 n-元组）。使用一个涵盖多个领域的人工智能生成文本的新型语料库，我们发现人工智能模型更频繁地使用这些困难特征，而不是通过往返翻译生成的释义。与人类写作相比，所有九个前沿和近前沿模型使用了更多的无生命主语与有生命动词，更低频的 n-元组，并且大多数模型还使用了更长的依赖关系、更多的堆叠名词以及在对话中更多的简化宾语关系；我们还展示了模型系列之间的显著变化。我们提出并测试一个假设：人类语言被优化用于成功沟通，而人工智能生成的文本越来越多地被优化用于其他目标，如数学、代码和推理，这些目标对于信息密度而不是成功沟通有压力。我们通过在长度惩罚下微调一个语言模型来为此假设提供概念验证，这导致与人类语言行为的偏离。我们的发现突出了人类与大型语言模型（LLM）之间语言处理需求的错配轴，并指出可能的补救措施。主题：计算与语言（cs.CL）；人工智能（cs.AI）引用为：arXiv:2610.29162 [cs.CL] （或 arXiv:2610.29162v1 [cs.CL] 适用于此版本）https://doi.org/10.48550/arXiv.2610.29162 arXiv 发布的 DOI 通过 DataCite（待注册）提交历史 从：Thomas Clark [查看电子邮件] [v1] 2026年10月21日 03:54:08 UTC (528 KB)