LLM 写作的致命伤不是质量，是所有人都长一个样

LLM 写作的致命伤不是质量，是所有人都长一个样

沃顿商学院的教授Ethan Mollick 前两天在社交媒体上说了一句话，我觉得说得特别精准。

他说，即使大语言模型写得很好，风格的缺乏多样性也是致命的。你在指令里读到这种文风，在社交媒体里读到这种文风，在广告里读到这种文风，在软件文档里还是这种文风。最终你会感到不适。

他说的这个观察，我这半年的体感越来越强烈，不是AI写得不好，而是AI写得太像AI了。或者更准确地说，所有AI写出来的东西，彼此之间太像了。

你有没有注意到一件事？现在打开任何一个微信群、任何一封工作邮件、任何一篇公众号，你的大脑会在零点几秒之内做一个判断，这是人写的还是AI写的。不是因为内容有错误，不是因为逻辑不通顺，而是因为它「闻起来」就是那个味道。

这个味道到底是什么？

Mollick在LinkedIn上展开讲了一下。他说，Chiasmus（对偶句），Asyndetic tricolon（无连词的三段排比），Parataxis（短句并置），这些曾经是语言中的稀有修辞技巧。每一个出现时都能让读者眼前一亮。现在它们出现在每一篇AI参与的文章和帖子里。当稀有品变成量产品，它就不再是好东西了。

曾经让文字出彩的修辞手法，因为被AI批量复制，变成了让文字平庸的信号。

过去两年，关于AI写作的讨论几乎全部集中在「质量」上。AI写的东西对不对？通不通顺？够不够专业？答案是越来越好。GPT-5.6写出来的东西，单看一段，你可能真的分不出来是人还是机器。

但Mollick指出的问题在另一个维度，不是单篇的质量，而是全局的多样性。当全世界的邮件、报告、广告文案、社交帖子、产品描述都通过同一批模型生成，输出的风格必然趋同。这不是某个模型的bug，这是所有模型的结构性特征。

USC的研究团队发表了一篇题为「The Homogenizing Effect of Large Language Models on Human Expression and Thought」的论文。他们综合了语言学、心理学、认知科学和计算机科学的证据，证明LLM不仅反映训练数据中的主流风格，还在主动强化这种趋同，因为所有人都在用同样的模型、在同样的场景下生成内容。

论文里有一个概念特别好，叫「认知多样性的扁平化」。人类表达的多样性根植于文化、历史和个体经验。每个人说话的方式、写字的腔调、组织论点的习惯，都是独一无二的指纹。LLM正在把这些指纹磨平。

不是因为LLM写得差，恰恰是因为LLM写得「够好」，人们才会偷懒用它，然后集体失去自己的声音。

我自己就是一个例子。说真的，做自媒体这几年，我有时候会陷入一个陷阱。写到某段觉得卡住了，就让AI帮我续写一段，看看它怎么展开。AI给出来的东西通常都很流畅、逻辑清晰、用词精确。然后你就会想，算了就用这个吧。

用了几次之后你回头看，发现那些段落虽然没有任何问题，但它们和你自己写的段落之间有一种微妙的断裂。不是说哪句话不对，而是节奏变了。像是一首歌突然换了个歌手唱了一段，音准没问题，但就是不对劲。

有个LinkedIn上的评论者Ottavio Braun说了一段话我特别认同。他说「Claude-y」的文风不是风格，而是平滑化，低方差、安全的过渡、零风险。读起来很干净，所以让人无聊。没有任何东西是有赌注的。

「Nothing is at stake」，这五个词精准地描述了AI文风的致命伤。

人类好的写作之所以能打动人，是因为作者在文字里冒了险。你选择了一个不寻常的比喻、你押了一个可能不被理解的文化梗、你用了一个粗粝的口语词、你写了一句可能冒犯某些人的判断。这些「风险」才是风格的来源。

AI不会冒险。AI永远选择最安全、最平滑、最不可能出错的表达方式。这就是为什么所有AI写出来的东西都像同一个人写的，因为它们都是用同一种策略在回避风险。

风格不是修辞技巧的堆叠，风格是冒险的痕迹。

那提示词能解决这个问题吗？

Mollick的判断是，改进有限。

你可以告诉AI「请用幽默的风格写」、「请模仿某某作家的语气」、「请不要用破折号和分号」。AI会照做。但做出来的东西总有一种微妙的「表演感」，它是在模仿某种风格，而不是从内在生长出那种风格。就像一个演员可以演十种角色，但你永远知道他在演，因为「真」只有一种。

这不是工程问题，这是原理性的限制。LLM的生成过程说到底就是「选择训练数据中最可能的下一个词」。这个机制天然倾向于均值回归，它永远会滑向所有训练数据的风格平均值。你可以通过提示词把它推离均值一点点，但它总是有一股力在把它拉回去。

ICLR 2024有一篇论文专门研究了这个，题目就叫「Does Writing with Language Models Reduce Content Diversity?」答案是肯定的。他们发现，当人们使用LLM辅助写作时，产出的文本在词汇选择、句式结构和观点表达上都显著趋同。

这个趋同不是因为人们变懒了，而是因为LLM在协作过程中会不断将人类的表达「拉向中位数」。 你本来要写一个尖锐的判断，AI帮你「润色」之后变成了一个温吞的陈述。你本来用了一个很土但很生动的比喻，AI帮你「优化」之后变成了一个文雅但无聊的标准表达。

每一次「优化」，都是一次对个性的磨损。

所以问题来了。如果LLM天然趋向同质化，如果提示词只能有限度地改善，那我们这些以文字为生的人该怎么办？

我一直觉得这个问题被严重低估了。大家都在讨论AI会不会取代写作者，但很少有人在讨论一个更隐蔽的威胁，AI不会取代你，它会让你和其他所有人变成同一个人。

不是你失业了，而是你的文字失去了辨识度。不是没人看你的文章了，而是所有人的文章都变成了同一篇。

这可能才是AI时代内容创作者面临的真正存在性危机。

不过如果LLM天然输出同质化的内容，那么「有辨识度的人类风格」就成了最稀缺的东西。物以稀为贵。在一个满屏都是平滑、安全、精确但无趣的AI文字的世界里，一个有棱有角、敢冒险、偶尔粗糙但充满温度的真人声音，反而会格外醒目。

这不是自我安慰。这是供需关系。

当所有人都能用AI写出85分的内容时，85分就变成了新的零分。你的竞争力不再来自「写得对不对」、「通不通顺」这些基本功，AI已经把这些门槛踩平了。你的竞争力来自那些AI给不了的东西，你独特的经历、你奇怪的联想方式、你偏执的审美品味、你敢于说出可能不受欢迎的真实判断。

在AI让一切变得平滑的时代，粗糙本身就是一种价值。

Mollick的结论是，AI时代迫使我们重新思考「写得好」到底意味着什么。过去，写得好=逻辑清晰+语言流畅+论据充分。这些AI全都能做到。以后，写得好可能更多意味着=有辨识度+有温度+有冒险+有那种只有活过的人才能写出来的东西。

我自己最近一直在练习的一件事是，写完一段之后问自己，这段话如果换成任何一个人来写，会写得一模一样吗？如果答案是「是」，那就说明这段话没有我的指纹在上面，需要重写。

不是说每句话都必须特立独行。但一篇三千字的文章里，至少要有那么几处，是只有你，带着你全部的经历、偏见、审美和勇气，才可能写出来的句子。

这些句子是你对抗LLM同质化的锚点。

反正我是这么想的。也许几年后回头看会觉得自己矫情。但至少现在，在所有人都在学怎么让AI帮自己写得更好的时候，花点时间想想怎么让自己写得更像自己，可能是一件值得做的事。

谢谢你看我的文章，我们，下次再见。

/ 作者：青玉白露