Исследователи проанализировали тексты 14 языковых моделей, включая Claude, GPT-5.6, GLM-5 и Kimi K2.5, сравнив их с человеческими текстами. Выяснилось, что модели склонны к использованию необычных словосочетаний, чрезмерному разделению подлежащего и сказуемого, а также неоправданному нагромождению существительных. По мнению авторов, это связано с обучением на коде и математических задачах, где приоритет отдается точности и плотности информации, а не ясности изложения. Переход от обучения с подкреплением на основе отзывов людей (RLHF) к обучению с проверяемыми наградами (RLVR) исключает человека из обратной связи, что приводит к формированию специфического «диалекта» моделей. При этом более компактные модели, такие как Llama и Olmo, пишут ближе к человеческому стилю. Исследование также отмечает, что целенаправленная донастройка (fine-tuning) способна улучшить читаемость, что подтверждается результатами Claude Opus 5.5 по сравнению с предыдущими версиями.