Výzkumníci z New York University a Texaské univerzity v Austinu zkoumají, proč texty jazykových modelů mohou působit zbytečně složitě. V konverzacích, programovacích úlohách a esejích sledovali jazykové rysy spojované s náročnějším porozuměním. Patří k nim neobvyklá spojení slov, dlouhé syntaktické závislosti nebo řetězení podstatných jmen. Výstupy porovnávali s lidskými texty i přeformulováním pomocí překladu do japonštiny a zpět.
Řada moderních modelů tyto konstrukce používala častěji, mezi modely a druhy textu ale byly rozdíly. Autoři navrhují vysvětlení: optimalizace pro matematiku, kód a úsporu tokenů může upřednostnit informační hustotu před čitelností. Experimentální dotrénování s penalizací délky tuto hypotézu podpořilo. Jde o preprint a analýzu jazykových ukazatelů, nikoli přímý důkaz, že každý AI text lidé čtou hůře.
