Additionally

general · First seen 2026-05-22 · Last seen 2026-11-19 · 142 mentions

Overview

"Additionally"是英文中最常见的并列连接词之一,意为"此外/另外",但近两年它在 AI 领域被单独讨论,主要是因为大语言模型(LLM)生成的文本中这个词出现频率异常偏高,已成为识别"机器味"写作的典型标记之一。围绕它展开的话题,本质上是大模型输出风格同质化、AI 文本检测以及模型微调后语言习惯变化的问题。

Additionally 作为 LLM 风格标志的近期讨论

社区对 AI 写作风格词的关注持续升温。Hamel Husain 在社交媒体上提到了一项被称作 BenchmarkGate 的揭示(Amazing BenchmarkGate reveal),其中涉及模型评测与真实表现之间的差异——这类讨论往往会牵连到模型在评测语料与真实写作中用词习惯不一致的问题,"Additionally"式的模板化连接词正是这种不一致的直观体现。

另一方面,模型选择对输出质量的影响有了更系统的研究。arXiv 上的论文《What Survival Benchmarks Don't Tell You: Impact of Model Selection and Dataset Regimes》(arXiv:2611.24837)指出,不同模型在不同数据规模下的表现差异远比基准分数显示的更大。这从侧面说明:一个模型是否频繁使用"Additionally"等套话,很大程度取决于其训练数据与微调方式,而非单纯的参数规模。

当前焦点与观察点

目前关于"Additionally"现象的争议点主要集中在三处:其一,高频连接词是否应作为 AI 文本检测的特征——反对者认为人类写作同样常用该词,单凭词汇频率判断会产生大量误判;其二,RLHF 与后训练流程是否会系统性强化这种"学术腔",导致模型输出趋同;其三,开发者是否应通过提示词或微调主动抑制这类词,以提升生成文本的自然度。

值得观察的是,随着智能体(Agent)研究的深入,如《Sampling Is Not Curiosity: Why LLM Agents Should Investigate》(arXiv:2611.10501)等工作开始关注模型的推理与探索行为而非表面文本质量,围绕"Additionally"这类风格词的讨论可能会逐渐从"检测 AI 文本"转向更实质的问题:如何在评测之外真实衡量模型的表达能力。对于普通用户而言,理解这一现象的意义在于:词汇习惯只是表象,判断文本价值仍需看内容本身。

Coverage

10 on file