"Really"是英语中最常见的强调副词之一，但近两年它在 AI 生成文本中的高频出现，使其成为判断内容是否由大语言模型撰写的一个标志性词汇。围绕这个看似普通的词，开发者、用户和研究者正在讨论 AI 写作风格的同质化问题。
Really 成为 AI 文风的识别标记
近期讨论最集中的现象是：AI 生成的回复经常以固定的强调句式开头。据 Ate-a-Pi 的观察，大量 AI 回复以 "What really got me was" 这类短语开启，类似的还有 "really interesting""really matters" 等表达。这种模式化的强调结构让有经验的读者一眼就能识别出机器生成痕迹，也引发了对模型输出个性化不足的批评。
从语言现象到产品差异
这一问题背后是训练数据与对齐方式的共同作用：模型在强化学习阶段倾向于生成被人类标注者给予高分的“热情、肯定”语气，"really" 这类强调词因此被反复放大。部分产品团队已开始调整措辞策略，例如 Notion 的联合创始人 Akshay Kothari 在讨论其 AI 产品定位时就刻意避免了这类“营销腔”，强调工具本身应回归内容管理。为什么 AI 生成的回复常以 "What really got me was" 开头
与 AI 检测和信任问题的关联
强调词的滥用只是冰山一角。它背后更深层的问题是：当机器文本模仿人类语气的颗粒度越来越细，读者对"这段话是否真诚"的判断变得越来越困难。从 TinyFish 关于 AI Agent 阅读网页真实成本的分析 到媒体对智能体行为的各种报道，行业正在意识到，语言风格的同质化会连带影响内容生态的可信度。
当前焦点与观察点
围绕 "really" 的讨论目前集中在三个方向：一是模型厂商能否通过后训练减少这种“AI 腔”；二是 AI 检测工具是否会把个别词汇作为判定依据——这存在明显的误判风险，毕竟人类写作中同样常用这些词；三是这种语言趋同是否会影响下一代模型的训练数据质量。客观来看，把某个词当作 AI 的“指纹”并不严谨，但它确实折射出大语言模型在表达多样性上的真实短板。对普通用户而言，识别 AI 文本更可靠的方式仍是综合逻辑结构、事实准确性和上下文连贯性，而非依赖单一词汇特征。