Full text · 原文
1,769 字
克雷西 发自 凹非寺<br>
量子位 | 公众号 QbitAI<br>
奥特曼又又又亲自官宣了ChatGPT的一项“重要更新”——<br>
从现在起，你的ChatGPT可以听从指示，在输出内容中不再滥用破折号。<br>
为啥一个普通的标点符号，能让奥特曼亲自宣传，而且还极具热度呢？<br>
因为在这之前，ChatGPT实在是太喜欢用破折号了，以至于这个标点成了人们判断AI生成内容的一个标志。<br>
再加上之前的ChatGPT在这个问题上不是很听话，即便要求它不要加破折号，结果依然我行我素。<br>
现在呢，按照奥特曼的说法，这个问题已经被修复了。<br>
不过颇具黑色幽默的是，有网友告诉ChatGPT别用破折号，结果ChatGPT就明晃晃地在“知道了”后面加上了一个。<br>
破折号困扰OpenAI<br>
ChatGPT对破折号的“痴迷”早已让用户不胜其烦。<br>
在OpenAI的官方论坛上，充斥着大量用户的吐槽帖子。许多人抱怨，无论他们如何在自定义指令中恳求甚至威胁，AI依然会顽固地在回复中插入破折号和不必要的缩进。<br>
这种标志性的写作习惯，几乎成了AI生成的标志，使其文本AI味十足，极易被识别。<br>
用户们为了治好这个毛病，可谓想尽了办法，甚至使用了戏剧性的情感提示词（Emotional Prompt），但收效甚微。<br>
事实上，破折号只是AI写作标记中广为人知的一个。<br>
在相关的Threads讨论中，有用户进一步总结了AI写作的其它“怪癖”。<br>
这包括过度依赖列表和子标题，仿佛不分点论述就无法思考、滥用像“不仅是X，也是Y”这样的特定重复句式等等。<br>
这些AI标记简直像是可被轻易识别的、难以擦除的“数字水印”。<br>
不过也有人对这些“AI标记”持不同看法。有人指出，人们对“AI味”的抵制有些过度，甚至非理性地憎恨任何与AI相关的事物已成为一种趋势。<br>
但归根结底，一手造成破折号被污名化的，依然还是ChatGPT自身。<br>
不过，到底是为什么，破折号如此受到AI的青睐呢？<br>
为啥AI喜欢破折号<br>
GitHub软件工程师Sean Goedecke的一篇博客，对这个问题进行了研究。<br>
博客从一些简单猜想开始分析，一开始给出的猜测包括破折号本身就常见，并且破折号功能丰富，而且AI更倾向于简洁性表达。<br>
但这些猜想很快被一一否定——<br>
关于常见性，如果破折号很常见，那么就不会成为引人注意的“AI象征”；<br>
对于功能，虽然破折号作用确实很多，但其他标点符号也具有相似的灵活性；<br>
至于简洁性，逗号比破折号更加简洁，而且减少冗余内容比换标点更好用。<br>
接着，Sean把目光投向了大模型后训练中的一个重要环节——RLHF。<br>
他推测，AI对破折号的偏爱极有可能来自于RLHF信息提供者的语言习惯。<br>
博客指出，RLHF通常在肯尼亚、尼日利亚等低人力成本、高英语水平的非洲国家进行，因此AI的习惯会和这些地区的人相似。<br>
比如像“delve”这样的词汇，在非洲英语中就非常受青睐，结果AI也同样高频使用。<br>
但这个猜想并不能解释破折号被AI喜欢的原因，因为非洲英语当中破折号的使用频率，反而低于平均水平，甚至连十分之一都不到。<br>
接下来，Sean介绍了一个重要发现——GPT并非从一开始就喜欢破折号，而是从GPT-4开始，使用频率比之前增长了十倍。<br>
所以，问题大概率就出在3.5和4之间的这一段时期了。那么这段时间里发生了什么呢？<br>
彼时，AI的训练正在面临“数据荒”，人们开始千方百计地给AI寻找新的训练数据。<br>
其中一个手段，就是扫描19世纪末到20世纪初的纸质书籍，然后喂给AI。<br>
同时，Sean找到了一个关于英语标点符号使用频率的研究，发现这段时间刚好是破折号的使用高峰。<br>
比如1851年美国小说家赫尔曼的《白鲸记》（Moby-Dick）当中，一共有1728个破折号。<br>
Sean认为，尽管还有一些问题未被解释，但19世纪出版物的引入，有很大概率就是AI好用破折号的“幕后黑手”。<br>
参考链接：<br>
[1]https://x.com/sama/status/1989193813043069219<br>
[2]https://techcrunch.com/2025/11/14/openai-says-its-fixed-chatgpts-em-dash-problem/<br>
[3]https://www.seangoedecke.com/em-dashes/