如何 eval agent 产出的调研报告是否易读？

分享我们 team 实践中用的一个简洁指标——「隐喻率」：

隐喻是常见的语言学现象，简单理解就是在句子中“悄悄”使用比喻。

来感受一个隐喻率很高的句子：

“全栈 AI 帝国率领评估军团与标注大军，向全球 Tier 1 俱乐部发起冲锋，踏上下一阶段的马拉松。”

句子里的“率领”“发起冲锋”“踏上”都是明显的动作隐喻；“AI 帝国”“评估军团”“标注大军”“全球 Tier 1 俱乐部”“马拉松”共同构成了竞争与征战的意象。

但这句话其实完全可以写成： “全栈 AI 体系由评估团队和大规模标注团队组成，目标是冲击第一梯队，并参与下一阶段的长期竞争。”

隐喻让这句话变得更加抽象和复杂，你的大脑需要处理一下才能让句子返璞归真，这就降低了报告的易读性。

其实，隐喻的存在本身是希望通过把陌生、抽象的概念类比成更熟悉的概念，从而帮助理解。但 LLM 高密度、不适宜的隐喻使用，很可能把抽象的概念表达得……更抽象。

而且，从数学上讲，隐喻更本质的影响是：它作为一个把 x 词映射成 y 词的“语言函数”（y=f(x)），势必会带来信息的损失（y 的信息量一定小于等于 x）。

综上，我们构建了隐喻率指标（图1&2）：每一百句话中出现多少次隐喻表达。通过隐喻率指标，我们可以从一个视角来反映模型的写作特征——更高的隐喻率往往意味着这篇报告更难读，且会带来信息的损失。

我们衡量了来自 9 个主流模型、各自 36 篇不同主题的中英文研究报告的隐喻率。发现 GPT 5.6 系列模型在隐喻使用上更克制；claude-fable-5 毫无疑问地拿下了最高隐喻率的桂冠（图3）…如果你曾阅读过 fable 的作品，就会发现 fable 真的非常喜欢用“臂”“腿”等人体隐喻来指代“组别”的概念 (图4)。而 opus-5 在隐喻使用上反而比 fable-5 更加克制。

当然，隐喻率只是衡量报告易读性众多 signal 中的一个：隐喻率低也并不绝对意味着文章更易读。但如果构建出许多像隐喻率这样简洁、可操作的 signal，我们就一定能更好地把握 LLM 的本来特性。