最近讀到一篇來自 UC Berkeley、University of Washington 與 Google DeepMind 跨機構研究團隊的論文：「How LLMs Distort Our Written Language」（LLM 如何扭曲我們的書面語言）。
看到這標題，我的第一反應是：嗯，這件事情我們其實一直都感覺得到，但現在總算有人拿研究資料出來講了。
不過讀完之後，我覺得這篇研究的資料很扎實，但結論的方向有些值得再想想。
研究到底看到了什麼？
先講重點結論：
研究團隊做了三件事，得出了很一致的發現——LLM 不只改變你的語氣和風格，它還會改變你本來想表達的意思。
第一，他們做了一個 100 人的隨機對照實驗。 一組人純手寫文章，另一組人可以用 LLM 輔助。結果發現，重度使用 LLM 的那群人，寫出來的文章有將近 70% 從原本「支持或反對」的立場，變成了「保持中立」。也就是說——你本來是有觀點的，但讓 AI 幫你寫之後，你的觀點就不見了。
更妙的是：這些重度使用者自己也承認，寫出來的東西「不像自己的聲音」、「創意變少了」。但同時——他們對成品的滿意度跟沒用 AI 的人差不多。
（知道自己的靈魂被偷走了，但看著成品還覺得：嗯，還不錯嘛…誒！？這劇情怎麼有點像恐怖片？）
第二，他們用了一組 2021 年（ChatGPT 問世前）收集的人類寫作資料。 他們讓 LLM 根據專家給的修改建議去編輯這些文章，然後跟人類自己修改的版本做比較。結果發現，就算只要求 LLM「修正文法就好」，它也照樣大幅改變文章的語意方向。
而且，三個不同廠商的 LLM（GPT、Gemini、Claude）修改出來的結果，全部往同一個方向偏移——那個方向是一個「從來沒有任何人類文章存在過的語意區域」。
第三，他們分析了 AI 頂會 ICLR 2026 的同行審查。 這個會議有 21% 的審稿內容被偵測為 LLM 生成的。而這些 LLM 寫的審稿，不只是語氣不同——它們評價論文的標準都不一樣了。人類審稿比較重視研究的清晰度和重要性，而 LLM 審稿更關注可重現性和可擴展性。LLM 給的分數平均也高了整整一分。
換句話說，AI 已經在悄悄改寫科學社群的遊戲規則了。
隱藏在研究資料裡的解方
這裡是我覺得最有意思的地方。
研究把使用 LLM 的人分成了兩群：「LLM」（重度使用，大量讓 AI 生成內容）和「LLM-influenced」（輕度使用，只拿 AI 當參考工具查資料、問建議）。
結果呢？LLM-influenced（受LLM影響） 那群人，寫出來的東西在語意空間裡跟純人類寫作幾乎完全重疊。 他們的聲音活下來了，創意也沒有下降，自我評價跟不用 AI 的對照組差不多。
另外，研究還測試了五種不同的提示詞方式——通用修改、最小編輯、純文法修正、補完、擴寫。不同的提示詞造成了明顯不同程度的語意偏移。
這兩組資料明明在告訴我們：使用方式不同，結果就不同。 但研究者把所有 LLM 相關的結果都歸到一起，最後得出「LLM 有能力缺陷，需要被修正」的結論。
我覺得這個歸因的方向，可以再想想。
這不是缺陷，是工具的本質
讓我用一個很直覺的比喻來說明。
想像一把雕刻刀。
我們在市面上買到的任何一把雕刻刀，都是工具廠商設計的特定型式。它有固定的刃角、材質、刀型。一百個人買同一把刀，用同樣的角度、同樣的力道下去切，出來的痕跡當然幾乎一樣。
你不能去要求生產工具的廠商，為每一個人特製一把能自動雕出那個人心中想要的形狀的刀。這要求本身就搞錯方向了。
差異從來不在刀上，在用刀的人身上。
握法、角度、力道、節奏、什麼時候下刀什麼時候收手——這些是技藝，不是工具規格。
LLM 也是一樣。它的訓練資料、模型架構、RLHF 調校，決定了它的「基本切削特性」。當你什麼脈絡都不給，直接叫它「幫我寫一篇文章」或「幫我改這段」，它當然會按照自己的預設傾向走——那就是統計學上「讓最多人滿意」的平衡點。不屬於任何人，但對大多數人來說都「還不錯」。
這不是 bug，這是工具的物理性質。
那篇研究在 Discussion 裡建議「未來需要開發能推斷使用者意圖並忠實保留的演算法」。翻成雕刻刀的比喻就是：「這把刀有缺陷，廠商應該製造出能自動替每個人雕出理想形狀的刀。」
但以我個人經驗來看——方向錯了。
真正的差異來自你的「刀法」
如果工具的特性是固定的，那能產生差異的是什麼？
脈絡工程（Context Engineering）。
同一個 LLM，你給它不同的前提資訊、不同的角色設定、不同深度的對話脈絡，它的輸出就會往不同的方向走。這跟資深工匠和新手拿著同一把刀的差別是同構的——刀沒有變，變的是施力的方式。
其實這篇研究的實驗資料已經在展示這件事了。五種不同的提示詞方式，同一個模型、同一篇文章，產生了不同程度的語意偏移。這不就是刀法的差異嗎？
在我自己的使用經驗裡，有幾個做法確實能有效抵抗那個「同質化引力」：
長對話而非一次性生成。 不要丟一個指令就接受輸出。跟 AI 來回對話，不斷提供你的語境、你的想法、你在意的細節。這讓 AI 的輸出不再只受到預設權重的拉力，而是同時被你提供的脈絡所導引。研究中那些 LLM-influenced 的使用者，其實就是在做類似的事——把 AI 當作對話中的另一面鏡子，而不是代筆的槍手。
建立個人風格調校。 現在的 AI 平台大多提供了某種形式的客製化機制（Custom Instructions、Skill、Memory 等等）。你可以告訴 AI 你的寫作習慣、偏好的語氣、你不想要的東西。這些前置脈絡就像工匠長年使用同一把刀而磨出的手感——它改變的不是刀本身，而是你跟刀之間的默契。
永遠做最後的判斷者。 AI 的輸出是素材，不是成品。就像工匠不會期望一刀就到位，你也不應該期望 AI 一次輸出就完美。看過輸出之後，哪些留、哪些改、哪些砍——這個二次加工的過程，就是你的聲音最終存活的關鍵。
所以，選擇權在你手上
回到那篇研究——它的研究資料是扎實的，統計結果是可信的。作為一份「大多數人目前怎麼使用 AI」的調查報告，它提供了非常有價值的警訊：大多數人正在放棄自己的聲音，而且他們在放棄的同時還覺得挺滿意的。
但我不認為這個問題的解法是「讓 AI 廠商製造更好的刀」。那是技術樂觀主義者的想法，覺得所有問題都可以靠改進模型來解決。
真正的問題是——你願不願意花時間磨練自己的刀法？
AI 素養的真正意義，不是學會按按鈕讓 AI 幫你做事。而是像工匠理解手中工具的脾性一樣，理解這個媒介的特質，然後用你的技藝去駕馭它。
那些研究中 LLM-influenced 群體的數據已經證明了：當使用方式對了，你的聲音完全可以存活。 問題從來不在刀上。
（不然的話，全世界的工匠都應該去怪他們的工具廠商才對啊…XD）
參考資訊：
- Abdulhai, M., White, I., Wan, Y., et al. How LLMs Distort Our Written Language. arXiv:2603.18161v2, 2026.
https://arxiv.org/abs/2603.18161v2
