Em Dash 的迹象：为什么 ChatGPT 过度使用它

有时，招聘经理会把求职信发给同事，并附上一句：检查破折号。这种长破折号在两句话中出现了三次，一次充当逗号，一次充当冒号，一次充当句号，而且都在同一段中。chatgpt 具有的那个小习惯，就是你在读出论点之前先看到破折号的那种习惯。要正确理解这种习惯，然后再对它实际意味着什么作出任何结论，这一点很重要。那种反射，也就是在阅读论证之前先注意到这个符号，是 chatgpt 长破折号习惯的缩影，在判断它实际证明了什么之前，值得认真理解。

长破折号就是那种较长的破折号，比连字符更长，也比用于数值范围的破折号更长，作者会在句中插入它，用来承担逗号、冒号或句号的功能。ChatGPT 使用它的频率比大多数经过编辑的散文更高，不过究竟高多少，取决于你面前这段文字是由模型的哪个版本生成的。本文只聚焦于这一个符号, 也就是这种习惯的成因, 它出现时实际上在承担什么功能, 以及人工编辑会用什么来替代它。

是什么导致了 ChatGPT 长破折号习惯？

OpenAI 没有人发表过技术解释，但我们所知的大部分内容都来自独立调查, 不需要公司博客文章。一个很好的例子是软件工程师 Sean Goedecke 在 2025 年 10 月写的一篇深入分析。与其猜测，他亲自测试了那些容易想到的理论。他尝试过一种通过用一个符号代替逗号来节省 token 的模型。但逗号的长度完全一样。他还尝试了从人工反馈工作人员那里学到的方言偏好，并检查了一大批尼日利亚英语文本样本，这是一种通常与该类工作人员相关联的方言。事实上，在那里它出现的频率比在普通现代英语中更低，而不是更高。

Goedecke 自己的测试所保留下来的理论指向模型版本之间训练数据的变化。他发现这种用法在 GPT-3.5 的输出中几乎不存在，而在 GPT-4o 发布后则大约高出十倍，这指向的是训练集发生了什么变化，而不是模型架构本身。他最合理的推测是 1800 年代末和 1900 年代初的数字化书籍，那一时期该符号在印刷英语中的出现频率异常之高，远高于它在当代写作中的位置。训练这些模型的实验室之外，没有人能够证实这一点。这是目前经过最谨慎测试的理论，而不是已经确定的事实。

2026 年 3 月发表的另一条研究线索指向一个值得说明的相关原因, 即模型训练文本中有多少是格式化的 markdown，而不是普通散文, 其理论是，大量接触这种格式会在一般标点选择上留下自身的痕迹。诚实的总结是，几种解释都很有可能，其中一种已经得到相当充分的测试，但没有一种能被唯一真正可以证实它的一方所证实。

这个符号在句子中起什么作用？

在选择替代方案之前，先说明这个符号在发挥什么作用是有帮助的，因为逗号、冒号和句号并不能互换，它们的长破折号替代形式也不能互换。几乎所有读者可能遇到的情况都可以归入四种作用。

标记的作用	人类作者会用什么替代	示例
在句中插入旁注	一对逗号，或括号	The finding, replicated twice, held under both conditions.
表示突然转折或急剧中断	句号和一个新句子	The finding held under both conditions. It did not survive a third.
连接两个密切相关的独立陈述	句号，或者在关联重要时使用分号	The sample was small. The effect size was not.
引出列表、总结或解释	冒号	The result pointed one way: replication failed.

这些句子中的每一个，本来都可以使用该标记，但实际上没有使用。本文本身就是一个论证，说明该标记是机器特征，而且它通过始终不使用它所描述的那个字符来完成这一论证，在上面的或下面的任何句子中都一次没有出现。

每个 Chatbot 的破折号习惯都一样吗？

不一样，而且不同系统之间的差异很大。TextPulse 的AI 写作模式更广泛指南所引用的一项在 2025 年中期对六个 chatbot 进行的同提示测试发现，三个系统大约每七十个词就会生成一次该标记，而另一个系统大约每四百七十个词才生成一次，另外两个在样本中根本没有生成。频率是生成你面前段落的那个系统及其版本的属性，而不是 AI 写作总体上的固定特征。

OpenAI 在 2025 年 11 月推出了一项部分修复, 一个自定义指令设置，一旦用户将其开启，就会告诉模型停止。Sam Altman 亲自宣布了这一点，并将其描述为终于回应了一项长期存在的抱怨。该设置是可选启用的，不是默认开启，因此大量日常 ChatGPT 输出从未受其影响，而只要没人去切换开关，这种习惯就会继续存在。

这个标记作为 AI 迹象的声誉本身也只是相当近期才形成，而且多少有些被夸大了。根据跟踪这一现象的评论，反弹大约始于 2025 年 2 月。一篇关于这一趋势的热门文章指出，从来没有确凿证据表明聊天机器人比谨慎的人类作者更常使用这种标记。这两点可以同时成立, 这种习惯在原始输出中确实存在，而且可以测量, 但互联网仅凭一个句子就自信地识别它的能力，明显跑在了实际证据前面。

如何检查你自己的草稿是否有这种习惯

大声读出一段文字，并标出每一个长破折号出现的位置。每页出现一次，属于文体选择，是人类作者几个世纪以来一直在做的那种选择。同一段里出现多次，尤其是承担与上表不同功能时，就值得再看一遍。这种密度在 AI 输出之外并不常见，在少数刻意大量使用破折号的散文风格作者之外也不常见。

TextPulse 的免费长破折号移除工具会自动检查这种密度，并针对每一处提出逗号、冒号、句号或重构的建议，这比在长文档中手动逐一计数更快。相同的免费工具集合还涵盖了机器起草段落往往会同时暴露的其他层面, 词语选择、句子节奏和结构, 以进行一种不只限于标点的检查。

填充短语在句子层面也起同样的作用，而且有一份最值得优先删去的短语清单。从你已经写好的草稿中移除这类词汇则采取了另一种方法。

检查这一切并不需要专门软件，只需要注意力，以及愿意再次阅读句子的意愿。本文在自己的写作过程中也始终做了同样的选择, 选择逗号、冒号或句号，而从未使用它用一千五百个词描述的那个标记。