AI 특유의 과장된 문체는 모델 안의 한 방향으로 나타났다

언어 모델은 생성한 내용을 긴 숫자 벡터(vector)로 표현합니다. 연구진은 공개된 40억 매개변수(parameter) 모델에 같은 글 100편을 맡겼습니다. 글마다 평소 문체, 과장된 AI 비서 문체, 담백한 사람 문체로 각각 쓰게 했습니다. 과장된 문체와 담백한 문체의 평균 차이는 모델 안의 한 방향을 가리켰습니다. 저는 글의 말투가 느낌이나 인상에만 머물지 않고, 모델 내부의 차이로 표현됐다는 점이 오래 남습니다.

AI 생성 홍보물의 문구가 비슷해진다는 비판과 이어집니다. 그 비판이 결과물에서 보이는 닮음을 짚었다면, 이번 연구는 과장된 문체의 차이가 모델 내부에서 한 방향으로 모이는지 살폈습니다. 다만 Qwen3-4B의 실험이 홍보물 전반의 획일화를 입증하지는 않습니다.

반가운 점은 그 방향을 실제 비교에 썼다는 데 있습니다. 연구진이 만든 테스트 문장 64쌍에서 이 방향은 모두 과장된 문체에 더 높은 순위를 매겼습니다. 모델의 일반 출력에서도 슬롭 점수(slop score)와 최대 0.82의 상관관계(correlation)를 보였습니다. 이 방향과 함께 움직이는 단어 선택도 살펴볼 수 있습니다.

다만 실험은 공개된 40억 매개변수 모델 Qwen3-4B 하나에서 이뤄졌습니다. 테스트 64쌍도 연구진이 만든 문장이라, 다른 모델과 실제 글에서도 같은 신호가 유지되는지는 확인되지 않았습니다. 최대 0.82는 분류 정확도가 아니라, 이 모델의 일반 출력에서 내부 방향과 슬롭 점수가 함께 움직인 정도입니다. 저는 이 결과를 AI 글을 판별하는 성능보다 문체를 분석하는 실마리로 봅니다.

오늘 AI가 쓴 글 세 편에서 문장 하나씩 골라 담백하게 다시 써 달라고 요청해 보십시오. 원문과 수정본을 나란히 놓고, 정보는 그대로인데 빠진 수식어나 부풀려진 결론이 반복되는지 표시해 보십시오. 같은 표현이 여러 글에서 되풀이해 빠진다면, 다음 초안에서 먼저 살필 말투를 찾은 셈입니다.

AI가 만든 글을 손볼 때, 평소 어떤 표현을 가장 먼저 살피십니까?