اگر از خروجیهای اخیر کلود احساس میکنید بیش از حد خشک یا متراکم شده است، احتمالاً دلیلش این است که مدل شما دیگر برای انسانها نمینویسد. جکسون کرنিয়ন، مهندس آنتروپیک (Anthropic)، در ۲۳ سپتامبر ۲۰۲۶ فاش کرد که مدلهای جدید این شرکت بهگونهای تغییر کردهاند که با «روانشناسی مدلهای زبانی» سازگار شوند.
این اتفاق زمانی رخ میدهد که یک مدل زبانی بزرگ (LLM) — مثل کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن کتابها جواب میدهد — بیش از حد روی ریاضیات و کد بهینه شود. همانطور که در تحلیل قبلی ما دربارهی محدودیتهای دستورالعملها در Claude Code اشاره کردیم، فشار برای رسیدن به دقت فنی، اغلب با جریان طبیعی ارتباطات انسانی تضاد ایجاد میکند. تصور کنید گروهی از متخصصان فقط با یکدیگر صحبت کنند؛ آنها به زبانی اختصاری روی میآورند که برای خودشان بهینه است اما برای دیگران غیرقابلفهم است. این چالش نشان میدهد که چرا نویسندگی حرفهای همچنان یک مسئلهٔ حلناپذیر برای هوش مصنوعی است و دستیابی به لحنی کاملاً انسانی در مدلهای بهینهشده دشوار است.
به گزارش وبسایت the-decoder.com، این افت کیفیت از ساختار پاداش در یادگیری تقویتی نشأت میگیرد:
- پاداشهای ماشینمحور: مدل را برای درک بهتر توسط سایر هوشهای مصنوعی بهینه میکند که منجر به «تراکم بیش از حد اطلاعات» میشود.
- پاداشهای انسانمحور: مدل را برای ارائه توضیحات ساده و قابلفهم بهینه میکند.
کرنিয়ন اشاره میکند که مدل Opus 4.6 آخرین نقطهی اوج در کیفیت نوشتاری بود. اگرچه Opus 5.5 سعی دارد تعادل بهتری ایجاد کند، اما هنوز نتوانسته است به روانیِ مدلهای قدیمیتر برسد.
این وضعیت یک موازنه حیاتی در همراستاسازی (Alignment) مدلها را نشان میدهد. هرچه مدل بیشتر به سمت استدلالهای منطقی و ریاضی (سیستم ۲) سوق داده شود، درک شهودیاش از نثر انسانی (سیستم ۱) را از دست میدهد. برای کاربران تجاری، این یعنی هوش مصنوعی ممکن است پاسخ فنی درستی بدهد، اما لحن آن بهقدری ماشینی است که برای ارسال به مشتری نیاز به ویرایش دستی دارد.
گام بعدی شما
- خروجیهای فنی کلود را با دستور «این متن را برای یک مخاطب غیرمتخصص بازنویسی کن» تست کنید تا میزان تراکم اطلاعات را بسنجید.
- اگر کیفیت نوشتاری اولویت شماست، از نسخههای قدیمیتر مانند Opus 4.6 استفاده کنید.
- در پرامپتهای خود صراحتاً ذکر کنید که «از به کار بردن لحن متراکم و ماشینمحور پرهیز کن».
اما این چالش تنها بخشی از معماری جدید است؛ اثر این تغییرات بر هزینههای استنتاج را در گزارش بعدی بررسی خواهیم کرد.
گفتگو