本文源自 Linux.do 社区，作者是一位付费订阅用户，针对 ChatGPT 在故事创作中频繁出现“小短句”和“无序列表”的问题进行了深入吐槽。尽管作者在个性化设置中多次尝试添加“不要使用列表”、“规范使用标点”等提示词，模型仍往往对否定指令理解偏差，导致破碎化输出加剧。作者对比了 DeepSeek 与 Gemini 的表现：Gemini 旧版虽知识丰富、能接梗，但存在过度使用“既然”等逻辑连结词的讨好型语气，且网页版上下文记忆较差；DeepSeek 虽行文风格更接近自然书籍，但在长上下文处理时容易出现逻辑抽风。文章最后指出，目前的通用大模型在文学创作与结构化输出之间存在严重的风格冲突，单纯依靠提示词难以根治排版机械化的通病。
事件分析
该现象揭示了当前通用大模型在自然语言生成（NLG）策略上的偏好性矛盾。ChatGPT 的训练数据中包含大量结构化文档与代码，导致其被优化为倾向于输出高信息密度的无序列表，这与人类文学叙事所追求的连贯段落流存在本质冲突。Gemini 的“讨好型”语气则是过度对齐（Over-alignment）的典型副作用，模型在处理“客观”指令时倾向于模仿某种显性的专家口吻，而非隐性的自然表达。DeepSeek 在长上下文中的不稳定性，反映了推理模型在处理超长序列保持语义一致性时仍面临技术瓶颈。这表明，仅靠提示词工程难以从根本上改变模型的底层生成分布，未来的 AI 写作工具可能需要针对特定叙事风格进行微调或采用分层解码策略。
核心观点：大模型对结构化列表的过度优化已破坏其文学叙事能力，解决“AI 味”需从底层解码策略入手，而非仅靠提示词修补。
原文链接：Linux.do
评论前必须登录！
立即登录 注册