توسعه مدل‌های هوش مصنوعی پیشرفته اغلب با عوارض جانبی پیش‌بینی‌نشده, همراه است. در پی انتقادات مکرر کاربران در ماه‌های اخیر نسبت به افت سبک نگارش مدل کلود (Claude) از نسخه Opus 4.6 به بعد و بروز پدیده‌ای موسوم به «لحن کلود» (Claude-speak)، جکسون کرنِیون (Jackson Kernion)، مهندس شرکت انتروپیک (Anthropic)، به تازگی توضیحاتی در این خصوص ارائه داد و ریشه‌های فنی این پدیده عجیب را آشکار کرد.
از نظر جهت‌گیری کلی در بهینه‌سازی مدل، تمرکز توسعه نسخه‌های بعدی کلود به طور محسوسی به سمت استدلال ریاضی و توانایی‌های برنامه‌نویسی متمایل شده است. به منظور ارتقای عملکرد مدل در وظایف مهندسی پیچیده، تیم تحقیق و توسعه در طول فرایند آموزش، محتوای زیادی را وارد مدل کرد که برای توضیحات فنی و کامنت‌گذاری کدهای دیگر مدل‌های هوش مصنوعی نوشته شده بود.
این روش آموزشی باعث شد مدل به مرور و ناخودآگاه بیاموزد که «برای هوش مصنوعی بنویسد نه برای انسان». در نتیجه، سبکی شکل گرفت که اگرچه در ارتباط میان مدل‌های هوش مصنوعی بسیار روان و کارآمد است، اما خوانندگان انسانی آن را بسیار پیچیده و دشوار می‌یابند.
از منظر مکانیسم یادگیری تقویتی زیربنای مدل، ریشه این مشکل در جهت‌گیری تابع پاداش (Reward Function) نهفته است. هنگامی که هدف بهینه‌سازی بر بهبود درک و تحلیل اطلاعات توسط هوش مصنوعی متمرکز می‌شود، مدل در سازماندهی متن، به طور طبیعی ریتم روایی و خوانایی معمول انسان‌ها را کنار می‌گذارد.
در حال حاضر، تیم انتروپیک در نسخه جدیدتر Opus 5.5 موفق شده تعادل بهتری برقرار کند و عملکرد نگارشی آن رضایت‌بخش‌تر از نسخه‌های پیشین ارزیابی شده است، با این حال تیم مربوطه اعلام کرد که تلاش‌ها برای دستیابی به کیفیتی فراتر از بهترین سطوح اولیه همچنان ادامه دارد.