AI 通病總覽：否定式對比、意義抬高、指示型摘要、過度概括
LLM 寫作有四個常見通病：否定式對比（先駁倒沒人說過的 X）、意義抬高（把普通事實包成轉折）、指示型摘要（只說談什麼、不給結論）、過度概括（摘要丟掉條件與範圍）；前三個刪空話、直接寫答案，第四個拿原文逐句對。否定式對比已追到訓練用的偏好資料，模型修訂稿時還會把它換成另一種對比句型，所以只在 prompt 禁字未必擋得住。
#writing-process
3 篇文章「不是 X，是 Y」怎麼改：否定式對比的三種句型、頻率與留刪判準
對每一句否定式對比問兩件事：讀者心裡真的有 X 嗎？否定 X 會讓讀者多知道什麼嗎？任一個沒有，就刪掉 X 直接寫 Y。NLP 論文的 rather than 從 2019 到 2026 年變成約 7 倍，五個商用模型寫中文時，這類句式的密度是人類參考語料的 2.5–9.2 倍；模型幾乎沒用錯，但一半以上可有可無，一篇用了八次，總有一句會讓讀者煩。