深度拆解 LLM 的“废话”：为啥人类能赢？ 别被那些完美得让人想吐的“起初、其次、最终”给劝退，也别被那些高大上的“”给吓住。写 LLM 生成论文要么做项目复盘，最怕的就是那种干巴巴的教科书式套话，读起来像没读完的说明书，像刚跑完步就停下来灌鸡汤。真正的专家，压根儿不是把话说得最满的人，而是能把话说得最准、最痛、最像人的人。 拿一个具体的例子来说明啥叫“去教科书化”。别整那些“随着人工智能的飞速发展，我们进入了新纪元，未来充满无限可能”的开场白，忒假了。直接说：“昨天那个大模型刚训出来，我就认定它像是在用复读机，看啥都像昨天看过的。它说它的逻辑链条是完美的，但细查一遍，全是废话，全是绕圈子的废话。人明明能算个中位值，它非要拔个平均值，杀一千杀一千还是都死在外面，只留个中位数喘气，这玩意儿为了稳而稳，实在牛叉过头了。” 这就够了。好办、直白、带着一点点 frustration（挫败感）和吐槽，这味儿就是人的味儿。 再细看结构，千万别指望像写公文一样，段落之间要逻辑严密、层层递进、首尾呼应。LLM 论文要么技术报告，最要的就是“乱”。让那些夹生饭、重复啰嗦的句子混在一起发个疯，然后突然蹦出一段数据，要么突然蹦出一段吐槽，这种结构本身就挺真。就像人讲话，大量时候是从头说到尾，中间插进几句无涉紧要的旁白，就连有时候是断断续续的，而不是在讲一个无懈可击的故事。 数据不能只堆在“”前面，也不能只放个大大的数字让人看个过瘾。你得给它加点血。
比如不要写“模型准率达到了 99.9%"，要写“准率在长尾难题上掉到 90%，像那种略微有点复杂的逻辑题，它就连懒得动脑子，直接怼你。”要么“跑了一个万行代码，发现它生成的代码别看能跑，但一旦遇到边界条件，整个逻辑引擎就崩了，就像人吵架，话说得漂亮，一遇到真事儿就怂。” 准重复？自然准。人类讲话肯定有复读，但重复是有语气的。你能够连续三遍说“这是一个难题”，但前一次带着困惑，中间一次带着无奈，最终一次带着坚定。
这种细小的重复感，比生硬的罗列更有力量。 口语词呢？别总显得像个机器人。用“这玩意儿”、“这破事”、“搞啥”、“我就知道”这种词，反而显得你心里有数，跟现场 상황이。
比如讲到模型优化时，别说“优化算法效率显著提升”，能够说“那个模型终于没法在几秒钟内把那一堆垃圾数据给吞了，速度提了不止一个数量级。” 至于那些“值得注意的是”、“总而言之”之类的连接词，把这些统统挖出来扔掉。它们就像是段子里的标点符号，看着顺眼，但没了它们，文章的呼吸感自然就来了。去掉它们，剩下的都是信息本身。 最终，字数上，别搞那种密密麻麻、全是术语的堆砌。要留白，要留那种让人想持续聊下去的空隙。一百五十字，可能连个整个的故事都讲不完，但那种“讲不完”的质感，才是人类智慧的边界。 写技术项目要么做 AI 复盘，记住一点：你不是在写一份文档，你是在跟别人聊一个刚刚形成的、有点混乱但挺有意思的事件。你要做的，就是把这个过程“吵”醒，让读者听进去，而不是认定你在念稿子。