自ChatGPT发布以来，学术摘要的写作风格出现了结构性变化。南京理工大学和武汉大学的信息管理研究人员对过去十年间arXiv平台上超过82万篇学术论文的摘要文本进行了系统分析，发现AI生成文本偏好的形容词、副词使用频率激增，句法结构变得更简单，但可读性却持续下滑。
该研究已以预印本形式在arXiv平台公开发布，指出这些风格变化的时间节点与ChatGPT的发布密切吻合，尤其是在计算机科学领域表现最为明显。
高级词汇猛增，句法结构变简
研究团队使用自然语言处理工具对arXiv论文摘要从2014年到2023年的写作风格变化进行追踪，发现在ChatGPT发布后，LLM偏好的形容词与副词使用显著增长。其中包括“intricate（复杂的）”、“valuable（有价值的）”、“exceptional（卓越的）”、“primarily（主要地）”和“particularly（尤其）”等典型AI生成术语。
从语言结构上看，摘要平均词长与词汇密度同步上升，意味着学术作者正在使用更丰富、更具表现力的词汇系统。然而与此同时，平均句长与从句复杂度指标下降，说明摘要结构趋于扁平化。
研究者指出：“这一变化体现出ChatGPT等语言模型在辅助写作时，往往通过引入更高级的词汇来强化文本表达，但也使得句式更简化、更直白。”
可读性下降，连接词减少
更复杂的词汇和更直接的句子并未提升论文摘要的可读性。研究采用两项权威指标——Flesch Reading Ease和New Dale-Chall Index对可读性进行评估，发现2023年论文摘要的可读性明显下降，尤其在LLM使用率较高的计算机科学与物理学领域。
其中，FRE评分平均下降5.6%，而Dale-Chall难度评分上升1.2%。这说明摘要中难词的比例增加，句子结构简化却缺乏逻辑衔接，令读者更难把握文章主旨。
研究还发现，传统连接词（如“however”、“therefore”、“for example”）的使用频率减少，表明语篇之间的逻辑链条变得更薄弱。“LLM在生成文本时，虽然能自动生成衔接语，但往往不依赖于传统的连接词，因此降低了语言的一致性和引导性。”
非母语作者更易受AI影响
语言背景也是影响风格变化的重要因素。研究按国家划分作者英语母语背景，发现非英语母语作者（NNESs）在使用LLM后的语言风格变化更加显著。其中，来自中国、日本等国家的作者，在摘要中使用LLM偏好形容词和副词的频率大幅上升，远高于英美作者。
以“comprehensive”、“innovative”、“particularly”等词为例，2023年中国作者在摘要中使用频率比2022年上升超过13%，而同类趋势在美国作者中增幅仅为7%左右。
“这表明非母语学者更倾向于借助ChatGPT这类工具来改善语言表达和逻辑组织”，研究者写道，“LLM帮助他们提升摘要的客观性和连贯性，但也更容易接受LLM统一化的写作模板，从而削弱个性化表达。”
计算机科学受影响最大，数学最小
在学科层面，LLM的影响也存在显著差异。研究将论文分为计算机科学、物理学和数学三类，发现计算机科学论文的语言风格变化最大，包括词汇数量上升、LLM偏好词使用显著增加、句法简化和可读性下降等。
例如，“gpt-4v”、“controlnet”、“diffusion”成为2023年计算机科学摘要中新增频率最高的新词，而数学领域整体保持稳定。研究解释称，计算机科学更依赖模型描述、实验方法与技术术语，因此更需要使用形容词和副词进行修饰。
相比之下，数学以理论推导为主，语言更趋规范化，研究者指出：“数学领域写作强调严谨与公式化，不依赖夸张词汇或情绪性修饰，因此受LLM风格影响较小。”
语言模型如何重塑学术表达？
尽管AI的广泛应用让科研写作变得更高效，研究者提醒学术界不应忽视其带来的深层次影响。
“我们的研究显示，LLMs虽然提升了文本语言密度，但也削弱了文本之间的逻辑结构，降低了可读性。特别是在缺乏英语母语训练背景的学者群体中，更容易出现语言结构过度标准化的问题。”
不过，该研究也认为LLMs并非洪水猛兽。尤其对非母语作者而言，ChatGPT提供了一种低成本、高效率的语言优化工具，在全球科研合作日益频繁的今天，有助于降低语言门槛，促进学术平等。
“未来的关键在于平衡——既要利用LLM提升写作质量，也要保护学术写作的原创性与风格多样性。”研究团队在文末如此总结。
