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 систематически перегружают предложения, используют необычные сочетания слов и чрезмерно уплотняют информацию. Среди выявленных проблем — разделение подлежащего и сказуемого длинными придаточными предложениями, нагромождение существительных и неоправданное превращение существительных в глаголы. Авторы исследования полагают, что такой «диалект» формируется из-за обучения на математических и программных данных, где вознаграждается логическая корректность, а не читабельность. Переход к обучению с проверяемыми наградами (RLVR) исключает человека из обратной связи, что усугубляет ситуацию. При этом более компактные модели, такие как Llama и Olmo, пишут ближе к человеческому стилю. Исследователи отмечают, что целенаправленная донастройка (fine-tuning) может улучшить показатели, что подтверждается прогрессом модели Claude Opus 5.5 по сравнению с предшественницей.