LLM Voice: AI 生成散文的“恐怖谷”效应

散文的“恐怖谷”

读者们正越来越多地识别出 AI 生成文本中一种独特且可辨识的特质，通常被称为“LLM Voice”（大模型腔）。这种风格的特征在于特定的模式——例如过于冗长的措辞、重复的结构以及缺乏真实的人类意图——这些都会引发读者的反感或兴趣缺失。这种反应是一种“恐怖谷”效应，即文本在模仿人类交流时虽然足够逼真，但却无法捕捉人类思想的细微差别和灵魂，从而变得刺耳且难以阅读。

外包写作的认知成本

写作不仅仅是一种记录思想的方法，它还是思考和保持逻辑连贯的基本工具。推敲文字的过程迫使作者整理对某个主题的理解并解决内在的困惑。通过将写作过程委托给 LLM，作者冒着将自己的理解力和批判性思维外包出去的风险。随着越来越多的交流被卸载给机器，人们合成复杂思想的能力极有可能萎缩，最终留下一片“华丽但空洞”的内容景观。

给作者的建议

为了保持真实的交流，作者应避免使用 LLM 来生成散文甚至构建草稿。虽然 LLM 可以作为搜索工具（前提是信息在源头得到验证），但依赖它们进行创作会使最终作品难以摆脱“LLM Voice”。选择使用 AI 辅助的作者应在致谢中声明其方法，以保持透明度。“朗读你的作品”——即大声说出文字以测试其自然流畅度——对于人类作者来说，仍然是确保散文保持扎实且可读性的重要技巧。

例外与细微差别

AI 辅助写作存在一些特定的、合理的用例。对于患有帕金森病等身体受限的个人来说，LLM 可以成为持续交流的重要工具。同样，对于非母语人士，AI 翻译可以弥合交流鸿沟，尽管人们仍然更倾向于人类创作的、即使略显笨拙的散文。此外，在目标并非人与人之间交流的语境下——例如内部报告或用于自动化流程的格式化信函——使用 LLM 通常是实用且恰当的。

社区观点

围绕 LLM Voice 的讨论揭示了一个广泛的共识：AI 生成的内容正变得越来越难以阅读，且往往让人感到对读者不尊重。来自社区的关键见解包括：

• 疲劳因素： 许多读者报告称，处理 LLM 文本在生理和心理上都令人疲惫，这很可能是因为大脑难以将这些文本映射为连贯的人类模拟。
• 风格的侵蚀： 批评者指出，LLM 的输出往往是重复且“缺乏灵魂的”，缺少了定义人类声音的独特错误、隐喻和个人怪癖。
• 代码与散文的二分法： 一个反复出现的观察是接受度上的奇怪分歧：虽然许多开发者拥抱 AI 进行代码生成，但他们对将其用于散文持高度批评态度。一些人认为，如果我们因为缺乏真实性而拒绝 LLM 生成的散文，我们也应该同样怀疑 LLM 生成代码的长期影响。
• “初稿”陷阱： 一个常见的建议是，如果必须使用 AI，永远不要直接发布初稿。其价值在于人类编辑能够注入乐趣、提炼隐喻并打破模型输出中固有的重复模式。

正如一位评论者所言：“你可以支持 AI 带来的生产力，但反对 AI 带来的创造力。”未来的挑战在于区分哪些工具是辅助效率的，哪些工具是自动化了思考和艺术表达本身的。