ChatGPT는 하이픈을 너무 많이 쓰나?

“하이픈이 너무 많다”고 불리는 문제는 셋으로 나뉘고, 해결책도 각각 다릅니다:

두 가지 메커니즘이 수를 끌어올립니다. 첫째, 모델은 미국식 규칙을 기본값으로 따릅니다. 명사 앞 합성 수식어에는 하이픈이 필수라는 규칙입니다. “a well-known author”, “a state-of-the-art lab”. 규칙 자체는 맞고, 인간의 불규칙한 적용보다 완전한 적용이 하이픈을 더 많이 만듭니다.

둘째, 모델은 구체적 주장 대신 합성된 마케팅 형용사에 손을 뻗습니다. “A high-quality, industry-leading, end-to-end solution”은 숫자 하나 몫을 하이픈 넷이 대신하는 문장이고, 확인한 검토자는 아무도 없습니다.

이 하이픈 합성어들은 모델 빈도로 나오고 인간 빈도로는 거의 안 나옵니다. 틀린 것은 하나도 없고, 전부 검증 가능하며, 검증을 통과하는 것은 없습니다.

• state-of-the-art, cutting-edge, best-in-class, world-class, industry-leading
• data-driven, AI-powered, future-proof, game-changing, next-generation
• end-to-end, one-stop, turnkey, full-service, all-in-one
• high-quality, high-performance, low-latency, real-time, scalable
• self-service, user-friendly, cost-effective, time-saving, value-added
• well-known, long-term, day-to-day, step-by-step, one-size-fits-all

사람처럼 들린다는 명목으로 올바른 하이픈을 “고치지” 마세요. 하이픈을 유지할 경우는 다음과 같습니다:

• 합성어가 명사 앞에 오는 경우: “a twenty-year-old building”. 뒤에 오면 열립니다: “the building is twenty years old”.
• 그대로는 오독되는 경우: re-cover와 recover, co-op과 coop.
• 합성 수사인 경우: twenty-one, forty-five.
• 접두사가 충돌하는 모음으로 끝나거나(co-owner) 대문자·숫자에 붙는 경우(pre-2000).

잘라야 할 것은 쌓임이지 하이픈이 아닙니다. 한 문장에 합성 수식어 두 개는 평범합니다. 네 개가 이어지면 증거가 있어야 할 자리에 형용사 목록이 선 것입니다.

기본 제거가 진짜로 파괴적인 유일한 대시 계열입니다. well-known에서 하이픈을 빼면 wellknown이 됩니다. 그래서 하이픈 제거기는 기본값으로 하이픈을 공백으로 바꾸고, 밑줄과 삭제는 산문이 아니라 식별자용 옵션으로 둡니다.

1. 먼저 하이픈을 지울지 바꿀지 정합니다. 산문에서는 공백으로 바꾸는 게 거의 항상 의도입니다.
2. 하이픈 카운터로 전후 밀도를 봅니다.
3. 텍스트가 PDF에서 왔다면 먼저 PDF 하이픈 제거기를 돌립니다. 페이지 나눔으로 찢어진 단어를 다시 잇습니다.
4. 진짜 대시인 것은 AI용 대시 제거기에 맡깁니다.