Forscher der NYU und University of Texas at Austin haben herausgefunden, warum Frontier-Sprachmodelle schwer verständliche Texte produzieren: Sie bevorzugen Konstruktionen, die Menschen das Lesen erschweren – von ungewöhnlichen Wortkombinationen bis zu unnötiger Vermenschlichung von Objekten. Der Grund liegt im Training-Setup: Diese Modelle werden auf Code und Mathematik trainiert, wo Korrektheit wichtiger ist als Klarheit, und dieser Optimierungsdruck überträgt sich auf die Sprachgenerierung. Interessanterweise schreiben kleinere Modelle deutlich menschlicher – ein wichtiger Hinweis für die Zukunft der KI-Textqualität.
