有人把一份自己写的活动方案丢给模型，让它“提提意见”。几秒后回来的东西条理清楚、语气得体，还分了小标题。他看完的第一反应不是满意，而是迟疑：这些话我自己也说得出来，那它到底替我做了什么？
这种迟疑有道理。用久了会发现，大语言模型的输出有一个很稳定的特征——越是不确定的地方，读起来反而越顺。它不会在句子中间卡住，不会写“这里我不太清楚”，语气的连贯性几乎不受内容可靠性的影响。人写东西时那种犹豫、回头改、写到一半发现前提不成立，在它的文本里基本看不到。
顺滑是怎么来的
这类模型的工作方式，大体是在给定前文的情况下预测下一个词。这个目标本身不包含“先想清楚再开口”这一步。为了预测得准，训练过程让它大量吸收语言中的搭配、句式和论述习惯，于是它学会了“一段像样的分析应该长什么样”。形式上的完整先于内容可靠，这是它的长处，也是需要留心的地方。
所以它写出的段落常常具备完整的论述外壳：先给判断，再补两句限定，最后收一个稳妥的尾巴。外壳是真的，里面的东西是否站得住，得另外查。有人把这种情形称作流畅性错觉——倒不是它在存心误导，而是人判断可信度时，很大程度上依赖表达的顺畅程度。一段话读着不打结，我们就容易默认它经过了思考。
评测为什么会变难
想给这类输出打分，问题立刻变得棘手。让另一个模型来评，它同样偏好结构整齐、措辞礼貌的回答；用固定题库，题目一旦公开，早晚会被训练数据覆盖，分数就开始失真；请人来评，同一段输出，熟悉这个领域的人和其他人给出的判断经常相反。
所以看到任何单一维度的评述，都值得多想一层：它衡量的到底是能力，还是对某种答题风格的适配程度。这两件事在语料足够大的时候很容易混在一起。
该把大语言模型放在什么位置
比较务实的用法，是把它当成一个反应快、知识面宽、但不需要对结论负责的对话者。它擅长把已有的东西换个说法、换个长度、换个语气，也擅长在你思路卡住时抛出一堆角度，让你挑一个往下走。
- 请它先给三四种不同的切入角度，自己挑一个再深入；
- 把已有材料交给它，改写成不同长度和语气的版本，省掉重复劳动；
- 碰到不熟的领域，用它快速列出一份问题清单，再回头查原始资料。
不太合适的场景也很清楚：需要承担后果的判断、需要注明确切来源的事实陈述、需要理解你所在组织具体处境的决定。这些地方它能提供语言，提供不了责任。
回到开头那位朋友。他后来把模型给的意见当成半份修改清单——凡是它说“这里可以更具体”的地方，他都回头补了实际内容；凡是它直接下结论的地方，他一律略过。用他的话说，大语言模型像一个永远有空的讨论对象，但你得自己带着判断进场。