Related articles
先做个小测试。
读下面这段话：
「他感到胸口发紧，冷汗顺着脊背滑落，周围的灯光似乎暗了下来。空气中弥漫着一种说不清的气息，像雨后的泥土，又像某种古老的记忆。」
再读这段话：
「张三很害怕。他不知道为什么，但他就是觉得不对劲。他想起了小时候外婆讲的那个故事。」
直觉告诉你，哪段是 AI 写的？
大概率是第一段。因为你已经 「进化」 出了鉴别 AI 写作的雷达——那些过度描写感官体验、把 「恐惧」 包装成一堆生理反应的文字，怎么看怎么像 ChatGPT 的手笔。
过去一年，网上充斥着各种 「AI 写作鉴别指南」：爱用破折号？AI 写的。爱用 「首先、其次、最后」？AI 写的。形容词堆砌？AI 写的。但这些都属于 「风格特征」——换一套提示词就能轻松绕过。很多人相信，只要会 「调教」AI，就能让机器写出和人类别无二致的文字。
但马里兰大学和 Google DeepMind 的团队告诉你：别费劲了，AI 写故事的 「底层操作系统」 和人类完全不同，改提示词也救不了。
（论文地址：https://arxiv.org/abs/2604.03136）
一场 「文学解剖」 实验
2026 年 4 月，马里兰大学计算机系 Jenna Russell 团队联合 Google DeepMind 在 arXiv 上发表了论文 《StoryScope: Investigating idiosyncrasies in AI fiction》（《故事显微镜：探究 AI 小说的特质》）。
5 月 28 日，沃顿商学院教授 Ethan Mollick 在 X 上分享了这篇论文，配文说：「关于 AI 写作风格特征 （破折号之类的） 已经写了很多，但这篇论文关注的是 AI 的叙事特征。AI 和人类叙事之间存在令人着迷的差异，而且让 AI 用不同风格写作，也几乎改变不了这一点。」
Ethan Mollick 于 2026 年 5 月 28 日在 X 上分享的论文核心图表，获得 31.5 万次查看
短短一天，这条推文获得 31.5 万次查看，3000 多个点赞，近 600 次转发。AI 圈的学者、写作者、普通读者都被同一个问题吸引了：AI 到底会不会讲故事？
实验的规模大得惊人：他们收集了 10272 个写作提示 （相当于写作题目），每个提示分别由人类作者和五个大语言模型 Claude、DeepSeek、Gemini、GPT、Kimi 各写一篇故事，每篇约 5000 词。最终获得了 61608 篇故事，每篇提取 304 个叙事特征。
这是什么概念？相当于把六万多部小说的 「骨架」 一根根拆开，放在显微镜下比对，从情节结构、角色能动性、时间连贯性到对话密度，无所不包。
研究团队开发了一个名为 StoryScope的自动化分析管道，能从 10 个维度自动归纳出细粒度的、可解释的叙事特征，涵盖情节、主体、时间结构等层面，然后对比 AI 生成的和人类写的，看看骨头架子到底有什么不同。
结果完全不看用词、句式、标点这些风格信号，仅用叙事特征，就能以 93.2% 的准确率区分人类和 AI 写作；在 「六个作者分别是谁」 的六类归属任务中，准确率达到 68.4%。作为对比，包含了风格线索的完整模型，准确率也就高出不到 3%。
换句话说，AI写作的 「底层叙事逻辑」 本身就是一张明牌。哪怕你把所有破折号都删掉、把所有 「首先其次最后」 换成口语化表达，你的叙事骨架依然会出卖你。
AI 写故事，到底哪里不对劲？
研究团队将核心差异归纳为五个维度。
AI太爱 「说教」 了。AI 写的故事，就像一个生怕你读不懂的语文老师。77% 的情况下，AI 的叙事者会直接点明故事主题：「这个故事告诉我们……」，而人类作者的这一比例只有 52%。AI 故事里的对话出现哲学讨论的比例是 59%，而人类只有 34%。
更明显的是：AI 对其他作品的引用全是 「模糊的暗指」（占比 72%），而人类作者更倾向于直接说 「像 《百年孤独》 里那样」...... 明确提及作品名称占 50%。AI 的潜台词似乎是：「我告诉你一个道理，你好好听着。」 人类的潜台词则是：「你自己品。」
你可能会说，这不是很负责任吗？把道理讲清楚不好吗？问题在于，好的故事从来不靠 「讲道理」 打动人。托尔斯泰不会在 《安娜·卡列尼娜》 结尾写 「这个故事告诉我们，出轨没有好下场」——他让读者自己去感受。而 AI 做不到 「放手」，它必须把每件事都说透。
人类会 「跳时间线」，AI 只会一条道走到黑。人类讲故事喜欢玩花样：从葬礼开场，然后倒叙几十年前的事情，再突然闪回到现在。这种非线性叙事在 AI 那里几乎不存在。数据显示：79% 的 AI 故事 「没有支线情节」，而人类故事的这个比例是 57%。AI 故事的主角驱动型结局占 69%，而人类只有 46%。
人类更喜欢让故事 「悬着」，留给读者想象空间。人类故事的结局更偏向开放式模糊结局，让读者自己去琢磨 「然后呢」。AI 则必须给每个角色一个交代：主角要么顿悟了，要么接受了现实 （占 47%），而人类只有 27% 会这么做。
研究团队举了个生动的例子：让 AI 和人类分别写一个悬疑故事，人类可能从葬礼开场，再倒叙几十年前的恩怨；而 AI 会从第一条线索开始，按时间顺序一路推进到大结局，中间没有任何 「岔路」。
AI对 「身体描写」 上瘾。回到开头的测试。AI 写作最显著的特征之一：不会直接说情绪，而是用身体反应和环境描写来 「演」 情绪。
数据显示，81% 的情况下 AI 会通过生理感受和身体隐喻来传达情绪 （人类只有 38%）。AI 使用嗅觉意象的比例高达 82%（人类 57%），还喜欢把环境设定作为角色内心状态的映射。人类作者写 「张三害怕了」，就是一句话。
AI 写 「害怕」：胸口发紧、冷汗直流、灯光变暗、空气中弥漫着某种气息……人类明确使用情绪标签 （「感到害怕」「很愤怒」） 的比例是 29%，而 AI 只有 8%。这暴露了一个本质问题：AI没有真正的情绪体验，它只能从训练数据中学习 「情绪的外在表现」，然后用一种 「教科书式」 的方式把它们堆砌起来。
它知道恐惧会让人出汗，但它不知道出汗是什么感觉。所以它的描写总有一种 「用力过猛」 的违和感——就像一个人从没吃过柠檬，却要写柠檬的酸味。
人类会 「打破第四面墙」，AI 只会闷头写。人类作者有一个 AI 学不会的绝活：和读者直接对话。「你，亲爱的读者，一定猜不到接下来发生了什么……」这种打破 「第四面墙」 的写法，28% 的人类作品会用到，AI 只有 7%。
同时，人类写作提及具体文本和作者的比例几乎是 AI 的两倍 （47% vs 24%）。人类能自如地在显性引用和隐性参考之间切换 （37% 的人类作品是 「混合模式」，AI 仅 16%），而 AI 只能躲在模糊的暗指背后，仿佛生怕暴露自己 「没读过什么书」。
这绝不是因为 AI「没读过」，它的训练数据里什么书都有——而是因为它不知道什么时候该说 「我在引用」，什么时候该保持沉默。换句话说，AI的叙事是 「没有读者意识」 的叙事。它不在乎你在不在看，不在乎你能不能跟上，它只是在 「完成任务」。
AI的故事 「撞脸」 严重。AI生成的故事在 「叙事空间」 中挤作一团，而人类的故事散落在四面八方。人类的故事素材库更丰富, 涉及更多地点、对话占比更高、更多支线融入核心主题 （42% vs 21%），也更常塑造存在道德矛盾的主角 （59% vs 38%）。
人类的主角可以是好人也是坏人，可以既善良又自私；AI 的主角则倾向于 「伟光正」。AI 的问题不是 「写得不好」，而是 「写得都一样」。它被困在一个狭窄的 「默认叙事模板」，出不来。即便你给不同的 AI 模型同一个提示词，它们写出的故事在叙事空间中的位置也惊人地接近。
每个 AI 都有自己的 「叙事指纹」
论文最有趣的发现来了：不同 AI 模型写故事的方式，就像不同作家的 「笔迹」 一样，各有各的毛病。
论文摘要中明确列出了三个模型的指纹特征——Claude 的事件升级格外平淡，GPT 过度使用梦境序列，Gemini 默认使用外部视角描述角色。基于论文实验数据的进一步分析推断，DeepSeek 和 Kimi 也呈现出各自鲜明的叙事倾向。
什么意思呢？如果你看到一篇小说里频繁出现 「梦境的转折」，那八成是 GPT 写的；如果整个故事波澜不惊，情节推进像白开水，那大概率是 Claude 的手笔；如果每个角色都从外部描述，像在看人物档案卡，那 Gemini 跑不掉。更厉害的是，用这些 「指纹」 做六类归属 （从五个 AI 模型和人类中识别具体作者），准确率高达 68.4%。
更扎心的是，论文还发现：所有 AI 模型生成的故事在叙事空间中聚集在同一个共享区域，而人类故事则散布在更广阔的空间里。
也就是说，不管你是 Claude 还是 GPT，不管你的 「写作风格」 如何调整，你们的 「叙事 DNA」 其实是一家人。这种 「叙事趋同」 现象，可能是大语言模型训练范式的某种固有问题——它们都从相似的语料中学习 「什么是一个好故事」，然后得出了相似的结论。
「去 AI 味」 还有意义吗？
这项研究的出现，恰逢 「去 AI 味」 成为热门话题。就在论文发布的同一个月，中文互联网上掀起了关于 「豆包体」 的群嘲——那些 「最」「非常」「深深地」 满天飞的 AI 生成文本，让网友笑到打鸣。各种 「消除 AI 味的不完全手册」 也应运而生。与此同时，尼日利亚作家纳齐尔的小说 《林间之蛇》 被指控存在大量 「AI 写作痕迹」，文学界的 AI 写作争议愈演愈烈。
但 StoryScope 的结论泼了一盆冷水：改词汇、换句式、调标点，这些都是 「表面功夫」。你让 AI 写 「我很难过」 而不是 「一股悲伤涌上心头」，改变不了它的叙事结构。你把所有破折号都删掉，也改变不了它偏爱单线程叙事、回避道德模糊性的 「底层代码」。
Ethan Mollick 在推文中特别强调：「要求 AI 用不同风格写作，也几乎改变不了叙事层面的这些差异。」
这其实触及了一个更深刻的问题：AI 到底能不能 「像人类一样」 创作？
从风格层面看，可以。提示词写得好，AI 能模仿海明威的简洁、博尔赫斯的迷宫、王小波的戏谑。但从叙事层面看，AI在 「怎么编故事」 这件事上，和人类有着根本性的不同——它不经历生活，不理解死亡，不知道什么是 「欲说还休」，所以它只能套用一个 「标准的故事模板」。
这或许才是 AI 写作和人类写作之间，最难以跨越的鸿沟。
论文的结尾，研究团队抛出了一个值得深思的问题：随着 AI 生成文本越来越多地混入人类创作中，我们如何定义 「原创性」？
他们公开了 StoryScope 的全部代码、10272 个写作提示，以及 51336 篇 AI 生成的叙事文本 （部分提示因生成失败未纳入），供学术界进一步研究。这更像是一种 「预警」——当 AI 生成的文字洪水般涌入文学市场时，我们需要一套能穿透表层、直达叙事底层的 「照妖镜」。
而对于每一个用 AI 辅助写作的人来说，这篇论文或许也在提醒：别只想着 「去 AI 味」，想想你到底想表达什么。因为 AI 可以帮你写出通顺的文字，但它永远无法替你经历一段人生——而后者，才是好故事的真正来源。（本文首发钛媒体 APP，作者 | 硅谷 Tech_news，编辑 | 焦燕）
