Ricerche identificano sei schemi linguistici che rendono il testo generato dall'IA faticoso da leggere
decoder ·
Un recente studio condotto dai ricercatori della New York University e dell'Università del Texas ad Austin identifica sei specifici schemi linguistici che rendono il testo generato dall'IA difficile ed estenuante da leggere. L'analisi di oltre 1.000 saggi e di numerose conversazioni rivela che i modelli all'avanguardia sovraccaricano sistematicamente l'uso di combinazioni di parole insolite, clausole di frase separate e sostantivi accatastati, affaticando la memoria di lavoro del lettore. Inoltre, questi modelli trasformano frequentemente i sostantivi in verbi o applicano azioni animate a soggetti inanimati, creando metafore che gli esseri umani non utilizerebbero naturalmente. Sebbene modelli open-source più piccoli come Llama e Olmo producano un testo più vicino alle norme umane, i modelli frontiera presentano deviazioni significative a causa dei loro obiettivi di addestramento. I ricercatori sostengono che il passaggio dal Reinforcement Learning from Human Feedback (RLHF) ai Verifiable Rewards privilegi la densità informativa e la correttezza rispetto alla chiarezza. Questo processo di ottimizzazione incoraggia l'adozione di un 'dialetto' adatto a comprimere i dati piuttosto che a comunicare con le persone, una tendenza notata dagli addetti ai lavori come un adattamento alla 'psicologia degli LLM'. Tuttavia, sforzi di affinamento mirati, come quelli osservati in Claude Opus 5.5, hanno mostrato risultati promettenti nel ripristinare la leggibilità affrontando questi problemi strutturali.
decoder