為什麼 Claude 越來越不會說「人話」？Anthropic 工程師揭秘：模型被調校成寫給 AI 看

當前大型語言模型在數學推導、程式碼撰寫與邏輯推理能力上突飛猛進，但許多長期使用的文字工作者與開發者卻敏銳地發現：AI 的寫作水平不僅停滯不前，行文甚至顯著退步，就連過去以文筆流暢細膩著稱的 Anthropic 旗下 Claude 模型也未能倖免。

面對各界對模型文筆下滑的質疑，負責 Claude 微調（Fine-tuning）的 Anthropic 工程師傑克遜・克尼恩（Jackson Kernion）近日公開解惑——這並非技術上的衰退，而是研發團隊在衝刺數學與程式碼表現時，讓模型接受了面向其他 AI 撰寫技術解釋的訓練，最終使模型學會了「寫給 AI 模型看，而非寫給人類讀者看」。

「Claude 腔」的由來：適應 LLM 心理卻成了人類難以消化的資訊堆砌

克尼恩指出，自 Opus 4.6 成為寫作表現的代表作之後，Anthropic 後續模型的最佳化重心全面轉向數學與程式編寫。

為了讓模型在複雜系統中能與其他演算法深度協作，模型接受了大量為其他人工智慧提供技術說明的特殊訓練。這種訓練導向催生了一種奇特的表達語法，也就是社群所稱的「Claude 腔」（Claudeish）。

克尼恩坦言，模型在微調中被深度調校成「適應大型語言模型（LLM）的心理結構」，其產出的內容在結構與資訊鏈路上極具邏輯，卻逐漸脫離了人類自然的閱讀語感。

克尼恩將這種現象生動地類比為只與同質群體交流的次文化社群：內部成員會逐漸演化出一套溝通極度順暢、但外人卻難以理解的特殊暗語。大型語言模型擁有遠超人類的工作記憶，能夠同時精準捕捉極為細微的關聯資訊；這使得適合 AI 解析的文本，在人類讀者眼中反而變成了難以吞嚥、過度密集的資訊堆砌。

Opus 5.5 試圖在機器效率與易讀性間找回平衡

探究行文風格變質的根本原因，克尼恩認為關鍵在於強化學習（Reinforcement Learning）的獎勵機制設計。

在模型訓練的流程中，評估標準始終存在兩種截然不同的取向：一部分獎勵機制致力於提升 AI 之間的理解效率，另一部分則專門引導模型產出易於人類吸收的文字。當研發方向傾注更多心力於數學與程式碼時，模型的天平便會自然倒向機器偏好的高密度格式，此時團隊就必須更主動地干預平衡，給予那些簡潔、直白且符合人類閱讀直覺的表達更多獎勵加權。

針對這項挑戰，克尼恩透露 Anthropic 在 Opus 5.5 上已取得了令人滿意的折衷平衡，他甚至直言這是自 Opus 4.6 以來，自己對旗下模型寫作水準最滿意的一次。不過克尼恩也坦率表示，這並不意味著 Opus 5.5 已經徹底超越 Opus 4.6，在兼顧多重硬核能力與人性化文筆之間，依然是一道極具挑戰性的技術難題，團隊未來仍將持續修正與演進。