Các nhà nghiên cứu chỉ ra 6 đặc điểm khiến văn bản do AI tạo ra gây mệt mỏi cho người đọc

Plus Nghiên cứu AI Sao chép liên kết vào bộ nhớ tạm Chia sẻ bài viết Chuyển đến phần bình luận Các nhà nghiên cứu phát hiện sáu cấu trúc khiến văn bản do AI tạo ra gây mệt mỏi cho người đọc Matthias Bastian Xem hồ sơ LinkedIn của Matthias Bastian Ngày 26/10/2026 Nano Banana Pro tạo theo yêu cầu từ THE DECODER Nghiên cứu từ New York University và University of Texas at Austin chỉ ra rằng các mô hình ngôn ngữ hàng đầu lạm dụng một cách có hệ thống những cấu trúc ngôn ngữ khiến văn bản đầu ra trở nên khó đọc hơn. Những người thường xuyên làm việc với ChatGPT, Claude hoặc các mô hình ngôn ngữ khác đều nhận thấy thực tế này. Các câu trả lời thường chính xác về mặt thông tin, nhưng việc tiếp nhận lại tốn nhiều công sức do chứa nhiều câu lồng ghép phức tạp, cách kết hợp từ ngữ lạ lẫm và những phép ẩn dụ không xuất hiện trong ngôn ngữ tự nhiên của con người. Nghiên cứu của các nhà khoa học tại New York University và University of Texas at Austin đã chứng minh điều này bằng số liệu cụ thể. Nhóm nghiên cứu đã yêu cầu 14 mô hình ngôn ngữ tạo văn bản trong các cuộc hội thoại thông thường, phiên lập trình và bài luận nghị luận. Danh sách thử nghiệm bao gồm Claude, GPT-5.6, GLM-5, Kimi K2.5 cùng các mô hình mã nguồn mở quy mô nhỏ hơn như Llama và Olmo. Tổng cộng, các nhà nghiên cứu đã phân tích 120 cuộc hội thoại, 45 phiên lập trình và 980 bài luận, sau đó so sánh với văn bản do con người viết từ phụ đề phim, diễn đàn StackExchange và các bài luận của học sinh, sinh viên. Sáu cấu trúc khiến văn bản AI trở nên nặng nề khi đọc Các mô hình AI lạm dụng những cụm từ kết hợp bất thường hiếm khi xuất hiện trong cách viết của con người, chẳng hạn như "reader-patience budget" (ngân sách kiên nhẫn của người đọc), đồng thời đặt các thành phần liên quan trong câu cách xa nhau, gây áp lực lên khả năng ghi nhớ ngắn hạn của người đọc. Mô hình Claude Opus 5 đã tạo ra câu: "A cat who can always get up and away is a much calmer cat" (Một con mèo luôn có thể đứng dậy và rời đi là một con mèo điềm tĩnh hơn nhiều), trong đó chủ ngữ và vị ngữ chính bị phân tách bởi một mệnh đề dài. Tình trạng lược bỏ từ nối trong các cấu trúc quy chiếu cũng diễn ra phổ biến. Thay vì viết "the book that the professor wrote", các mô hình lại dùng "the book the professor wrote", giảm bớt một từ nhưng gây khó hiểu nhất thời về mối liên kết giữa các thành phần. Việc xếp chồng các danh từ như "horror movie soundtrack generator" buộc người đọc phải tự phân tích từ nào bổ nghĩa cho từ nào. Sáu cấu trúc ngôn ngữ bị các mô hình AI lạm dụng, kèm ví dụ từ tập dữ liệu nghiên cứu. | Ảnh: Clark, Martin & Mahowald (2026) Các mô hình này biến danh từ thành động từ ở những trường hợp con người không sử dụng. Claude Fable 5 đã tạo ra cụm từ "calendar it", trong khi con người sẽ diễn đạt là "put it in the calendar". Các mô hình cũng gán động từ chỉ hoạt động của sinh vật sống cho các chủ thể vô tri. Claude Opus 5 viết: "The whole conversation is eating its own tail" (Toàn bộ cuộc trò chuyện đang tự ăn cái đuôi của chính nó), dù một cuộc trò chuyện không có đuôi và không thể ăn. Người đọc có thể hiểu được ý nghĩa, song phải mất thêm thời gian xử lý thông tin. Các mô hình quy mô nhỏ viết giống con người hơn Llama và mô hình nền tảng Olmo thể hiện mức độ tương đồng cao nhất với văn bản của con người. Trong nhóm Olmo, các chỉ số sai lệch tăng dần từ mô hình nền tảng (base model) qua phiên bản chỉ dẫn (instruct) tới mô hình suy luận Olmo Think - vốn đạt mức sai lệch tương đương các mô hình hàng đầu. Điều này cho thấy giai đoạn hậu huấn luyện (post-training) có thể là nguyên nhân chính. Claude Opus 5.5 vượt trội hơn phiên bản tiền nhiệm Opus 5 ở 19/21 tiêu chí so sánh, cho thấy việc tinh chỉnh (finetuning) có mục tiêu có thể cải thiện khả năng đọc hiểu. Mức độ sai lệch của từng mô hình so với văn bản của con người (đường nét đứt) trên sáu đặc trưng khảo sát có sự khác biệt lớn theo từng nhóm mô hình và trường hợp sử dụng. | Ảnh: Clark, Martin & Mahowald (2026) Quá trình huấn luyện ưu tiên mật độ thông tin hơn tính rõ ràng Các nhà nghiên cứu cho biết, ngôn ngữ của con người luôn cân bằng giữa tính thuận tiện khi tạo lập và sự dễ hiểu khi tiếp nhận; tuy nhiên, các mô hình ngôn ngữ hiện đại ngày càng được huấn luyện nhiều hơn cho các tác vụ như toán học, lập trình và suy luận logic – những lĩnh vực mà tính chính xác được đề cao còn độ rõ ràng thì không. Nhóm nghiên cứu lập luận rằng sự chuyển dịch từ RLHF (Học tăng cường từ phản hồi của con người) sang RLVR (Học tăng cường với phần thưởng có thể kiểm chứng) đã loại bỏ hoàn toàn con người khỏi quy trình phản hồi. Điều này khiến các mô hình phát triển một dạng "phương ngữ" tuy hiệu quả trong việc nén thông tin và giải quyết các bài toán phức tạp, nhưng lại gây khó khăn cho người đọc. Để chứng minh luận điểm, các nhà nghiên cứu đã huấn luyện một mô hình ngôn ngữ quy mô nhỏ hơn với điều kiện phạt nhằm ưu tiên các câu trả lời ngắn gọn. Trong một số điều kiện huấn luyện nhất định, mô hình hầu như luôn lựa chọn cách diễn đạt ngắn gọn bất kể ngữ cảnh, thậm chí còn áp dụng xu hướng này cho cả các cấu trúc câu chưa từng xuất hiện trong quá trình huấn luyện. Trái lại, con người luôn cân nhắc lựa chọn giữa cách diễn đạt ngắn hoặc dài tùy thuộc vào từng hoàn cảnh cụ thể. Một cách giải thích tương tự cũng được đưa ra từ nội bộ ngành công nghệ. Chuyên gia Jackson Kernion của Anthropic, người phụ trách việc tinh chỉnh mô hình Claude, gần đây đã giải thích lý do Opus 4.6 là "mô hình viết văn" chất lượng cuối cùng của công ty. Việc tối ưu hóa các mô hình thế hệ mới cho toán học, lập trình và các diễn giải kỹ thuật hướng tới những hệ thống AI khác đã khiến Claude chuyển dịch sang một văn phong phù hợp với AI, song lại quá cô đọng và thiếu tự nhiên đối với con người. Ông Kernion gọi đây là sự thích ứng với "tâm lý học LLM". Với phiên bản Opus 5.5, Anthropic lần đầu tiên đảo ngược xu hướng này khi cải thiện độ rõ ràng của câu văn và xử lý tình trạng quá tải thông tin; và kết quả nghiên cứu cho thấy nỗ lực này đã thành công. Tin tức AI chuẩn xác – Tuyển chọn bởi con người Đăng ký THE DECODER để đọc nội dung không quảng cáo, nhận bản tin AI hằng tuần, báo cáo chuyên sâu độc quyền "AI Radar" 6 lần mỗi năm, toàn quyền truy cập kho lưu trữ và khu vực bình luận. Đăng ký ngay --> Đọc tiếp để nắm bắt bức tranh toàn cảnh. Đăng ký để tiếp cận thông tin trung thực, không thổi phồng. Toàn quyền truy cập mọi bài viết trên THE DECODER Không quảng cáo Tham gia bình luận và thảo luận cùng cộng đồng Bản tin tổng hợp AI hằng tuần qua thư điện tử 6 lần/năm: "AI Radar" — phân tích chuyên sâu về các chủ đề AI quan trọng nhất Tin tức AI cập nhật liên tục mỗi ngày Toàn bộ kho lưu trữ dữ liệu trong 10 năm Nội dung do đội ngũ hơn 10 năm kinh nghiệm trong lĩnh vực AI phụ trách Đăng ký The Decoder -->