为什么 AI 写的文章读起来"没味道"？从温度采样说起

上一篇留下一个问题：AI 明明读过人类所有好文章，为什么写出来还是那么平？

答案藏在一个叫温度（temperature）的参数里。它是生成文本时最重要的旋钮，也是理解"AI 腔"的钥匙。

一、模型每次都在掷骰子

大模型写一个字的过程，其实是三步：

1. 看完上文，给词表里的每一个候选字打一个分数（"好"得 8 分、"热"得 6 分、"差"得 2 分……）；
2. 把分数换算成概率；
3. 按概率随机抽一个出来。

注意第三步是"抽"，不是"选最高分"。如果每次都选最高分，同一个开头永远会得到同一段文字，那就不叫创作了。

二、温度就是"敢不敢冒险"的程度

温度这个旋钮，控制的是概率分布被拉伸还是被压扁。

• 温度低（接近 0）：概率分布被压得很尖，高分词几乎必定被选中。输出保守、稳定、重复率高，但容易变成套话。
• 温度高（比如 1.2）：分布被拉平，低分候选词也有机会被抽中。输出更有惊喜、更跳脱，但风险是语无伦次、事实出错。

线上产品为了不翻车，普遍把温度设在偏低的区间。于是你拿到的输出，大概率是"最安全、最常见、最不会出错"的那一版——也就是我们常说的 AI 腔。

三、还有一个帮凶：top-p

光有温度还不够，工程师还会加一道保险叫 top-p（核采样）。

它的规则是：把候选词按分数从高到低排，累加概率，一旦累计超过 p（比如 0.9），后面那些"长尾词"就全被砍掉，不参与抽取了。

这么做的好处是避免模型突然蹦出一个荒唐的字。代价是：那些最有趣、最个人化的生僻词，恰恰就在被砍掉的长尾里。

四、训练目标也在推它往"平均"走

除了采样参数，还有一层更根本的原因：模型是怎么被训练的。

主流训练方式（RLHF，人类反馈强化学习）会让人给多个回答打分，然后让模型学"人类更喜欢哪种"。问题是，标注员在快速判断时，天然会偏爱：

• 结构清晰、分点列出的回答；
• 语气礼貌、四平八稳的回答；
• 长度适中、不偏激的回答。

这些偏好叠加起来，就把模型的输出往"温和的平均值"上推。有研究把这叫模式坍塌——模型多样性下降，所有人都得到同一口味的"标准答案"。

五、几个一眼能认出来的 AI 腔特征

知道了成因，再看具体表现就很清楚了：

• 三段式结构：总—分—总，或者"首先/其次/最后"，几乎不会跑偏。
• 对称癖：喜欢凑对仗和排比，"不仅……而且……"，两个分句字数都差不多。
• 抽象代替具体：写"提升了工作效率"，不写"原来三天能干完的活现在一天半"。
• 连接词过量："此外""值得注意的是""总的来说"出现频率远高于真人写作。
• 结尾必总结：不管写了什么，最后一段一定要升华一下、展望一下。
• 没有废话：真人写作会跑题、会插入一个突然想到的例子，AI 几乎不会。

最后这条最反直觉：冗余其实是人类写作的特征。那些看起来可以删掉的闲笔，恰恰是"人味"的来源。

六、那"降 AI 味"在做什么

现在市面上有很多"去 AI 味"工具，原理说白了就是逆向操作：

1. 把抽象词换成具体细节（加数字、加场景、加感官描写）；
2. 打乱过于整齐的句式（长句中间插短句，或反过来）；
3. 删掉套路化的连接词和总结段；
4. 人为制造一点"不完美"——比如口语化的插入语。

这也解释了第 6 讲要讲的核心难题：改写之后的文本，统计特征被彻底搅乱，检测准确率会大幅下降。这既是技术的局限，也是为什么不能拿检测结果给人定性。

小结

AI 腔不是模型不会写，是三股力量一起把它按在了"安全区"：低温采样、top-p 截断、以及偏好标准答案的训练方式。理解了成因，你就知道AI 文本的特征是可以被人为调出来的——这恰恰意味着，单靠这些特征做鉴定，永远存在漏判。

下一篇换个角度：如果不调用大模型，纯靠本地统计，也能判断一段文字是不是 AI 写的吗？能，而且这背后是另一套完全不同的思路。