Artificial Epanorthosis: Why large language models overuse a classical rhetorical figure, and how to mitigate it
作者: Federico Boggia
分类: cs.CL, cs.AI
发布日期: 2026-07-23
备注: 17 pages
💡 一句话要点
提出Epanorthosis指数以解决大型语言模型的修辞过度问题
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 大型语言模型 修辞手法 Epanorthosis 文本生成 自然语言处理 模型优化 监督微调
📋 核心要点
- 核心问题：大型语言模型在生成文本时，过度使用Epanorthosis修辞手法，导致文本风格与人类存在显著差异。
- 方法要点：通过构建Epanorthosis指数，论文评估模型在不同文体中的表现，并提出多种减轻该现象的技术方案。
- 实验或效果：初步实验表明，模型在演讲类文本中表现过度，而在非正式问答中表现不足，提出的减轻方法有效降低了Epanorthosis的使用频率。
📝 摘要（中文）
本文探讨了古典修辞手法Epanorthosis在大型语言模型文本中的过度使用，认为这种现象源于训练数据的偏差和偏好调优。通过构建Epanorthosis指数，论文对比了模型与人类在不同文体中的表现，发现模型在演讲中表现过度，而在非正式问答中表现不足。提出了多种减轻Epanorthosis的方法，包括使用轻量级LoRA适配器和监督微调，最终目标是使模型在各文体中与人类的使用率相匹配。
🔬 方法详解
问题定义：论文要解决的问题是大型语言模型在生成文本时，过度使用Epanorthosis这一修辞手法，导致文本风格与人类写作风格的偏差。现有方法未能有效识别和调整这一现象，造成了文本生成的质量问题。
核心思路：论文的核心思路是通过构建Epanorthosis指数，量化模型在不同文体中的Epanorthosis使用情况，并提出针对性的减轻策略，以使模型生成的文本更符合人类的写作风格。
技术框架：整体架构包括数据收集、Epanorthosis指数计算、模型训练与调优三个主要模块。首先，收集不同文体的文本数据，然后计算Epanorthosis指数，最后通过轻量级LoRA适配器和监督微调进行模型优化。
关键创新：最重要的技术创新点在于提出了Epanorthosis指数这一量化指标，使得可以系统地评估和比较模型与人类在修辞手法使用上的差异。这一方法与现有的文本生成评估方法有本质区别。
关键设计：在技术细节上，论文设计了轻量级LoRA适配器以便于快速调整模型，同时采用了特定的损失函数来优化Epanorthosis的使用率，确保模型在不同文体中能够更好地匹配人类的写作风格。
🖼️ 关键图片
📊 实验亮点
实验结果显示，模型在演讲类文本中Epanorthosis的使用频率约为人类的两倍，而在非正式问答中则低于人类水平。通过使用轻量级LoRA适配器和监督微调，Epanorthosis的使用频率可减少至人类水平的50%至75%。
🎯 应用场景
该研究的潜在应用领域包括自然语言处理、文本生成、教育和内容创作等。通过优化大型语言模型的修辞风格，可以提升自动生成文本的质量，使其更符合人类的表达习惯，从而在实际应用中提供更高的价值和用户体验。
📄 摘要（原文）
A rhetorical figure that Cicero and Quintilian catalogued two thousand years ago reappears, systematically, in the text of large language models: epanorthosis, the self-correction of the specimen «This is not a course. It is a journey of transformation». This essay argues that the overuse is a trained disposition, driven mainly by a training distribution rich in promotional prose and by preference tuning (RLHF) that rewards confident, emphatic phrasing; the left-to-right nature of generation is an amplifier rather than the root cause. Building on evidence that models diverge from human rhetorical style, and on Fontanier's classification of epanorthosis as a figure of thought, it sets out a programme that scores the figure against genre-specific human baselines through an Epanorthosis Index (density relative to the human rate). A first measurement, on three sizes of one instruction-tuned model family, finds mis-calibration by register in both directions: the models overshoot in oratory (about twofold, near threefold in Italian, concentrated in the larger tiers) and undershoot in informal question-and-answer writing, while matching humans in argument, journalism, and encyclopedic prose. Three constructive contributions follow: a survey of mitigation techniques centred on lightweight LoRA adapters; a demonstration, in Italian, that a one-line instruction cuts the figure by half to nearly three-quarters and that a supervised-fine-tuning adapter removes it almost entirely, with a scaling coefficient that dials the reduction back onto the human rate; and the argument that the target is calibration to the human rate for each genre, not elimination. It closes on the stakes: the real risk is that we begin to write like the machines.