清华大学与复旦大学研究者在2026年10月15日公开一项关于中文大模型表达习惯的研究，考察“不是X，而是Y”这一纠正结构在模型生成文本中的使用。研究并不是简单把高频表达视为机器写作标志，而是进一步区分：该结构是否有语境支持、是否真正排除了一个可被讨论的替代选项，以及纠正是否提供了必要信息。论文摘要与原始研究
研究团队基于中文提示和多类文本任务，比较了GPT、DeepSeek、Gemini、GLM、Qwen等五个商业模型与人工文本的使用情况。摘要称，模型使用该结构的密度约为人工参考文本的2.5至9.2倍。在307个被标注的模型用例中，仅1.30%被判定为有缺陷，但52.8%属于“可选”使用，也就是表达本身并不错误，却没有足够理由出现在当前语境中。这个结果说明，模型的问题未必是不会使用中文句式，而是难以判断某个句式何时真正有沟通价值。
研究还观察到，部分奖励模型即使在表达质量相近时，也更偏好带有该结构的答案；语言模型评审者在上下文并未支持纠正关系时，也可能给予这类表达更高评价。对开放权重模型训练过程的分析则显示，监督微调和偏好优化都可能提高该结构的出现频率。研究者据此提出，单纯压低某个高频短语的出现次数，可能同时删掉合理和不合理的用法，更有效的评估应关注表达与语境、信息需求之间的匹配程度。
需要注意的是，这项工作聚焦一个具体的中文句式，样本和判定框架不能直接外推到所有模型套话或中文写作质量；文中关于奖励模型和训练阶段的观察也属于该研究设置下的实验结果。其价值主要在于把“模型写得像机器”进一步拆解为可评估的语用适切性问题。
参考来源：
- Not X, but When: Diagnosing a Mandarin LLM Writing Tic through Contextual Appropriateness 2026-10-15
由 AI 整理，仅供参考；请以原始来源为准。
