Nature 子刊：LLM 普及正让人类写作趋向同质化

一篇发表在 Nature 子刊 Nature Human Behaviour 上的研究指出，随着 ChatGPT 等大语言模型被超过 8 亿用户用作写作助手，人类语言的表达风格正变得日趋一致。这项由南加州大学（USC）团队主导的研究分析了 88 万余篇文本，通过三项子研究从不同角度证实了 AI 辅助写作对语言多样性的实质性冲击。

研究一：ChatGPT 发布后写作风格方差持续下降

研究团队分析了三个大规模纵向数据集：arXiv 论文摘要（约 8 万篇）、Patch News 新闻文章（约 37.96 万篇）以及 Reddit 创意故事（约 31.8 万篇），时间跨度为 2018 至 2024 年。他们使用高精度 AI 检测工具 Binoculars 判断文本的 AI 生成概率，并追踪「写作复杂度方差」这一指标的变化。

结果显示，三个数据集均呈现一致趋势：ChatGPT 发布后，写作复杂度方差出现明显下降，且 AI 使用率的上升能显著预测后续方差的下降。在 arXiv 与 Reddit 上，这一预测效应具有统计显著性；Reddit 因用户群体多元，AI 采纳滞后约 20 个月。Patch News 在 ChatGPT 上线时出现骤降，但 Granger 因果检验未达显著，研究者推测专业编辑流程可能缓冲了 AI 的同质化影响。

为验证因果关系，研究团队还开展了控制实验：从 Reddit 与 arXiv 中随机抽取 1000 篇 ChatGPT 发布前的人类原创文本，分别用 GPT-3.5、Llama 3 70B、Gemini Pro 进行中性提示词改写。结果显示，LLM 在保留原意的前提下（87% 的文本相似度超过 0.95），显著压缩了写作风格的方差。

研究二：从文字中识别作者身份变得更难

研究团队收集了与作者心理测量数据配对的文本语料，涵盖年龄、性别、Big Five 人格、共情能力和道德价值观等维度，训练分类器从文本预测个人特质。结果显示：

• 平均预测准确率下降约 6%（F1 绝对值），六类特质均受影响，其中年龄预测受冲击最大，F1 从 0.351 跌至 0.260；
• LLM 改写后的文本呈现系统性偏差，更常被判定为「年龄更大、道德感更强、共情水平更低、外向性更低、开放性与宜人性更高」；
• 上述偏移方向在不同模型、不同提示词下均保持一致。

这意味着 LLM 不仅削弱了文本中的身份信号，还在引入新的偏差，将不同作者的文本推向相似的「默认人设」。

研究三：经典「词-特质」关联被选择性侵蚀

社会语言学与心理学长期积累了大量「某类词汇与某种特质相关」的研究结论。本研究检验了这些关联在 LLM 改写后的存留情况：

• 外向性与代词使用的关联显著消失；
• 忠诚度与朋友类词汇的关联显著消失；
• 年龄与未来导向词汇的关联显著消失。

但也有部分关联得以保留，例如「神经质与负性情绪词」的关系并未受损。这种「选择性侵蚀」对依赖词汇线索开展研究的学科构成更大挑战：哪些关联仍然可靠需要逐一验证，否则可能得出关于身份、群体差异或文化模式的偏差结论。

潜在影响与自我强化的反馈循环

研究团队指出，语言同质化可能在以下领域产生负面影响：

• 临床与心理健康：通过文本识别抑郁等疾病标记变得更困难，可能妨碍早期发现与干预；
• 个性化与营销：依赖细微语言差异的定向分析可能失效；
• 招聘：符合主流风格的 AI 润色文本可能让「不够圆熟」的申请者处于劣势，加剧不公平；
• 文化保护：语言中的文化标记被抹平，语言遗产面临威胁。

更值得警惕的是一个反馈循环：经 LLM 影响后的文本不断进入在线语料库，而这些语料又将用于训练下一代模型，使语言多样性的流失逐步自我强化。研究团队由此提出更深层的问题——鉴于语言与思维密不可分，语言的均质化可能最终限制认知的灵活性与创造力。在一次次「帮我润色一下」中，个体表达的独特性正被悄然稀释。

原文来源：微信公众号「学术头条」（ID：SciTouTiao），36 氪经授权发布。