اوپوس ۵.۵ عاشق این است که به شما بگوید «این موضوع اهمیت دارد» (و دیگر نشانه‌های نگارشی هوش مصنوعی)
بزرگ‌ترین نشانه اوپوس ۵.۵ کلمه «قابل اعتماد» (dependable) است که ۲۳ برابر بیشتر از نمونه‌های انسانی ظاهر می‌شود.
اکنون که نثر تولیدشده توسط مدل‌های زبانی بزرگ (LLM) همه جا دیده می‌شود، انسان‌ها مشتاقند راه‌هایی برای تشخیص آن پیدا کنند. در حالی که نشانه‌های اولیه مانند خط تیره بلند (em-dash) و کلمه «بررسی عمیق» (delve) مدت‌هاست از بین رفته‌اند، پژوهشگران می‌گویند هنوز عادت‌های لودهنده فراوانی وجود دارد که مدل‌های هوش مصنوعی هنگام نوشتن نثر به آن‌ها پناه می‌برند.
یک مطالعه جدید از شرکت بازاریابی Graphite، عادت‌های نگارشی مدل‌های پیشرو را بررسی کرده و کلمات و عبارات مورد علاقه هر مدل را شناسایی کرده است. در حالی که نشانه‌های قدیمی مانند استفاده از خط تیره بلند ریشه‌کن شده‌اند، مدل‌ها همچنان به ساختارهای مبتنی بر تضاد متکی هستند و هر نسخه از مدل، ویژگی‌های منحصر به فرد خود را نشان می‌دهد. بزرگ‌ترین تعجب این است که دامنه این نشانه‌ها چقدر وسیع از آب درآمده است. شرکت Graphite تعداد ۱۳۰۰۰ عبارت را پیدا کرد که در محتوای هوش مصنوعی حداقل دو برابر بیشتر از محتوای انسانی رایج بودند؛ این تعریف آن‌ها از یک «نشانه لودهنده» است.
گرگ دراک، مدیر ارشد هوش مصنوعی Graphite، به تک‌کرانچ گفت: «مشخص شد که مدل‌های کلود (Claude) در طول زمان در واقع به توزیع کلمات انسانی نزدیک‌تر می‌شوند. و برای مدل‌های GPT، این فاصله بیشتر می‌شود.»
مطالعه مقیاس‌پذیر نگارش‌های تولیدشده توسط هوش مصنوعی نیازمند طراحی پژوهشی دقیقی بود. Graphite با پیکره‌ای متشکل از ۱۰۰۰۰ مقاله که قبل از انتشار ChatGPT منتشر شده بودند آغاز کرد که به عنوان گروه کنترل تولیدشده توسط انسان عمل می‌کردند. سپس پژوهشگران از مدل‌های مختلف هوش مصنوعی خواستند تا مقالات را از روی خلاصه‌ها بازنویسی کنند، با این امید که تا حد امکان سوگیری منبع حذف شود. با داشتن نمونه‌های تطبیق‌یافته از انسان‌ها و هر مدل، آن‌ها توانستند مقایسه کنند که چه تعداد از کلمات و عبارات خاص در نوشته‌های هوش مصنوعی ظاهر می‌شوند و همچنین الگوهای گسترده‌تر در ساختار جملات را بررسی کنند.
بر اساس نتایج Graphite، بزرگ‌ترین نشانه کلود اوپوس ۵.۵ کلمه «قابل اعتماد» است که ۲۳ برابر بیشتر از نمونه‌های انسانی ظاهر می‌شود. در حالی که اوپوس ۵.۵ اکنون از ساختار جمله «این X نیست، بلکه Y است» اجتناب می‌کند، اما همچنان تمایل دارد بگوید چیزی «بیشتر از یک X است، بلکه یک Y است».
بیش از همه، اوپوس عاشق این است که به شما بگوید چرا چیزها اهمیت دارند و از عبارت «این موضوع اهمیت دارد» (this matters) ۱۱۶ برابر بیشتر از نوشته‌های انسانی استفاده می‌کند، در حالی که عبارت «چرا X اهمیت دارد» (why X matters) ۹۲ برابر بیشتر به کار می‌رود.
مدل آسترا (Astra) از شرکت OpenAI مجموعه متفاوتی از نشانه‌ها را دارد. این مدل عاشق توصیف «بعد دیگری» از هر چیزی است که درباره‌اش صحبت می‌کند، و تمایل دارد با گفتن اینکه یک اقدام «ممکن است فراهم کند» یا «می‌تواند فراهم کند» یک مزیت خاص، ادعاهای خود را تعدیل کند. بزرگ‌ترین نشانه آن چیزی است که Graphite آن را «کادرواژه اصلاحی» (corrective framing) می‌نامد؛ جایی که یک موضوع به عنوان «به سادگی نه X» تعریف می‌شود یا به عنوان یک جایگزین، «به جای اتکا به X» ارائه می‌شود. بر اساس پژوهش Graphite، این ساختارها در نثر تولیدشده توسط آسترا بیش از ۱۰۰ برابر رایج‌تر از نوشته‌های انسانی بودند.
نکته قابل توجه این است که به نظر می‌رسد تمام آزمایشگاه‌های پیشرو به این ایده که مدل‌ها بیش از حد از خط تیره‌های بلند استفاده می‌کنند، واکنش نشان داده‌اند. در نمونه‌های Graphite، اوپوس ۵.۵ از این علامت نگارشی ۹۹٪ کمتر از اوپوس ۵ استفاده کرده است. آسترا اکنون از آن ۸۸٪ کمتر از نمونه‌های انسانی استفاده می‌کند، در حالی که جمنای ۳.۱ پرو (Gemini 3.1 Pro) تقریباً به طور کامل خط تیره بلند را از نوشته‌های خود حذف کرده است.
اما در حالی که نشانه‌های فردی تغییر می‌کنند، Graphite می‌گوید تعداد کلی آن‌ها تا حد زیادی ثابت مانده است. دراک به تک‌کرانچ گفت: «اینطور نیست که نشانه‌ها در حال کاهش باشند. آن‌ها موفق می‌شوند شناخته‌شده‌ترین نشانه‌ها را حذف کنند، اما موارد دیگری ظاهر می‌شوند. و هر نسخه از مدل، نشانه‌های مخصوص به خود را دارد.»
با توجه به تمرکز آزمایشگاه‌ها بر سبک‌های نگارش انسان‌مانند، جای تعجب است که این نشانه‌ها تا این حد ماندگار هستند. در انتشار اوپوس ۵.۵، شرکت آنتروپیک بالید که این مدل «طبیعی‌تر از مدل‌های قبلی ارتباط برقرار می‌کند» و گفت کاربران اولیه «نوشته‌های آن را واضح‌تر و دنبال کردن آن را آسان‌تر یافته‌اند».
OpenAI نیز ادعای مشابهی را هنگام انتشار نسخه‌های GPT-6 یعنی Sol و Luna مطرح کرد و گفت کاربران می‌توانند «انتظار وضوح بیشتر، اصطلاحات تخصصی کمتر، [و] چرخش‌های زبانی عجیب کمتری را داشته باشند».
اما دراک نسبت به میزان کاری که آزمایشگاه‌ها می‌توانند برای حذف کامل ساختارها یا عبارات لودهنده انجام دهند، تردید دارد.
دراک می‌گوید: «یک فرضیه کلی که من دارم این است که آزمایشگاه‌ها کمتر از آنچه انتظار دارید قادر به کنترل برخی از این موارد هستند. این‌ها مدل‌های غول‌پیکری با میلیاردها پارامتر هستند. آن‌ها تعداد محدودی تست دارند که می‌توانند اجرا کنند، و برخی چیزها از دستشان در می‌رود.»
نظر مهندس بهمن آبادی: جابه‌جایی مداوم الگوهای نگارشی در مدل‌های جدید، نشان‌دهنده چالش بنیادین در کنترل آماری پارامترهای زبانی است؛ مسئله‌ای که نشان می‌دهد «بومی‌سازی لحن» فراتر از بهینه‌سازی‌های سطحی است. به عنوان مدرس، به کارآموزانم توصیه می‌کنم به جای تکیه بر پرامپت‌های جادویی برای پنهان کردن هویت هوش مصنوعی، تمرکز خود را روی بازنویسی ساختاری و تزریق منطق و داده‌های واقعی معطوف کنند.