为什么大型语言模型倾向于生成平均化的写作风格？

为什么大语言模型的文风如此平庸？训练数据是罪魁祸首。

大型语言模型通过分析从互联网抓取的庞大数据集——包括书籍、文章、论坛等——来训练自身，根据前文序列预测最可能出现的下一个词。这种统计平均化的方式意味着模型学到的是最常见的模式，而非那些让人类作者独具特色的个性化表达。2025年的一项研究分析了Llama 3和GPT-4o生成文本中的词汇、语法及修辞特征，发现人类与大型语言模型的写作风格存在系统性差异；即便模型规模不断扩大，这些差异依然存在，并且在经过指令微调（即针对人类偏好进行优化的模型）中反而比基础模型更为显著[1]。换言之，模型越是追求取悦大众，就越会丧失任何独特声音的痕迹。

2023年的另一项研究通过控制实验直接测量了内容多样性：参与者在有无模型辅助的情况下撰写议论文。结果发现，使用经过反馈调优的InstructGPT模型后，内容多样性出现了统计学意义上的显著下降——不同作者的文章彼此趋同，整体词汇和内容多样性均有所降低[3]。研究人员将这一效应归因于模型本身产出的文本多样性不足，而人类撰写的部分并未发生变化。这证实了趋同效应源于模型的输出，而非用户模仿其风格所致。

并非所有大语言模型都同样平庸——模型规模与训练方法至关重要

不同模型生成“平均化”文本的倾向各有差异。2025年一项采用作者身份验证技术（一种比较写作风格的方法）的研究发现，GPT-2生成的文本与人类撰写的文本在风格上最为相似，而GPT-3和ChatGPT的输出则与人类写作差异显著，且彼此之间高度雷同[4]。这表明，更新、更大的模型（如GPT-3和ChatGPT）已变得更加同质化——它们收敛于更狭窄的风格范围。同一项研究还发现，LLaMA生成的文本介于两者之间：既与原始人类文本片段存在一定相似性，又与其他LLaMA输出聚为一类[4]。

一项2024年针对创意幽默文本（Reddit“淋浴哲思”）的研究对比了GPT-2、GPT-Neo和GPT-3.5。人类评估者认为AI生成的文本在创意质量上略逊一筹，但无法可靠地区分它们与人类撰写的文本[5]。这意味着平均化效应并不总是对读者显而易见——这些文本仍能冒充人类作品，但缺乏原创性的火花。研究还发现，经过微调的分类器能够高精度检测出AI生成的文本，证实即便人类被蒙蔽，细微的风格痕迹依然存在。

指令微调（让模型更有帮助）实际上使写作风格更趋同

这些研究中最明确的发现之一是，经过指令微调的模型——即通过人类反馈进行微调，使其更乐于助人、更无害、更诚实的模型——生成的文本比基础模型更加平均化。2025年的修辞风格研究发现，经过指令微调的Llama 3和GPT-4o与人类相比，在风格上的差异比其基础版本更大[1]。同样，2023年的多样性实验发现，InstructGPT（一种经过反馈微调的模型）降低了内容多样性，而基础版GPT-3则没有[3]。这表明存在一种权衡：正是让模型更擅长遵循指令、避免冒犯性内容的过程，也压缩了风格多样性，使它们趋向于平淡、趋同的风格。

这并非微不足道的影响——2023年的研究报告指出，InstructGPT提升了不同作者文章之间的相似度，这意味着使用同一模型写作的两个人最终会听起来更像彼此[3]。对于任何将大语言模型用于创意写作、新闻报道或其他注重独特风格的任务的人来说，这确实是一个实实在在的局限。

关于这些来源

该回答基于5篇经同行评审的研究——发表于2023年至2025年间，其中4篇为2024年及以后发表，1篇发表于Q1期刊——这些研究是从通过质量筛选的5篇研究中选出的最相关成果，而该筛选过程又源自从超过5亿篇论文的数据库中检索出的35篇文献。

本文引用的文献

相关研究问题