先做个幼测试
。

读下面这段话：

“他感应胸口发紧，盗汗顺着脊背滑落，周围的灯光似乎暗了下来
？掌忻致着一种说不清的气味，像雨后的泥土，又像某种古老的影象
。”

再读这段话：

“张三很胆怯
。他不知路为什么，但他就是感触不合劲
。他想起了幼时辰表婆讲的那个故事
。”

直觉通知你，哪段是AI写的？

或许率是第一段
。由于你已经“进化”出了甄别AI写作的雷达——那些过度刻画感官履历、把“震惊”包装成一堆生理反映的文字，怎么看怎么像ChatGPT的手笔
。

从前一年，网上充溢着各类“AI写作甄别指南”：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“风格特点”——换一套提醒词就能轻松绕过
。好多人相信，只有会“调教”AI，就能让机械写出和人类别无二致的文字
。

但马里兰大学和Google DeepMind的团队通知你：别费劲了，AI写故事的“底层操作系统”和人类齐全分歧，改提醒词也救不了
。

（论文地址：https://arxiv.org/abs/2604.03136）

一场“文学解剖”尝试

2026年4月，马里兰大学推算机系Jenna Russell团队结合Google DeepMind在arXiv上颁发了论文《StoryScope: Investigating idiosyncrasies in AI fiction》（《故事显微镜：探索AI幼说的特质》）
。

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写风格格特点（破折号之类的）已经写了好多，但这篇论文关注的是AI的叙事特点
。AI和人类叙事之间存在令人沉迷的差距，并且让AI用分歧风格写作，也险些扭转不了这一点
。”

Ethan Mollick于2026年5月28日在X上分享的论文主题图表，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、通常读者都被统一个问题吸引了：AI到底会不会讲故事？

尝试的规模大得惊人：他们网络了10272个写作提醒（相当于写作标题），每个提醒别离由人类作者和五个大说话模型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个叙事特点
。

这是什么概想？相当于把六万多部幼说的“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、功夫连贯性到对话密度，无所不包
。

钻研团队开发了一个名为StoryScope的自动化分析管路，能从10个维度自动综合出细粒度的、可诠释的叙事特点，涵盖情节、主体、功夫结构等层面，而后对比AI天生的和人类写的，看看骨头架子到底有什么分歧
。

了局齐全不看用词、句式、标点这些风格信号，仅用叙事特点，就能以93.2%的正确率分辨人类和AI写作；在“六个作者别离是谁”的六类归属工作中，正确率达到68.4%
。作为对比，蕴含了风格线索的齐全模型，正确率也就逾越不到3%
。

换句话说，AI写作的“底层叙事逻辑”自身就是一张明牌
。哪怕你把所有破折号都删掉、把所佑装首先其次最后”换成口语化表白，你的叙事骨架依然会出卖你
。

AI写故事，到底哪里不合劲？

钻研团队将主题差距综合为五个维度
。

AI太爱“说教”了
。AI写的故事，就像一个生怕你读不懂的语文教员
。77%的情况下，AI的叙事者会直接点明故事主题：“这个故事通知我们……”，而人类作者的这一比例只有52%
。AI故事里的对话出现哲学会商的比例是59%，而人类只有34%
。

更显著的是：AI对其他文章的引用满是“吞吐的暗指”（占比72%），而人类作者更偏差于直接说“像《百年落寞》里那样”......明确提及文章名称占50%
。AI的潜台词似乎是：“我通知你一个路理，你好好听着
。”人类的潜台词则是：“你自己品
。”

你可能会说，这不是很掌管任吗？把路理讲明显不好吗？问题在于，好的故事从来不靠“讲路理”感动人
。托尔斯泰不会在《安娜·卡列尼娜》结尾写“这个故事通知我们，出轨没有好下场”——他让读者自己去感触
。而AI做不到“罢休”，它必须把每件事都说透
。

人类会“跳功夫线”，AI只会一条路走到黑
。人类讲故事喜欢玩花腔：从葬礼开场，而后倒叙几十年前的事件，再忽然闪回到此刻
。这种非线性叙事在AI那里险些不存在
。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故事的主角驱动型终局占69%，而人类只有46%
。

人类更喜欢让故事“悬着”，留给读者设想空间
。人类故事的终局更左袒盛开式吞吐终局，让读者自己去斟酌“而后呢”
。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
。

钻研团队举了个活泼的例子：让AI和人类别离写一个悬疑故事，人类可能从葬礼开场，再倒叙几十年前的恩仇；而AI会从第一条线索起头，按功夫挨次一路推动到大终局，中央没有任何“岔路”
。

AI对“身段刻画”上瘾
；氐娇返牟馐
。AI写作最显著的特点之一：不会直接求感情，而是用身段反映和环境刻画来“演”感情
。

数据显示，81%的情况下AI会通过生理感触和身段隐喻来通报感情（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“张三胆怯了”，就是一句话
。

AI写“胆怯”：胸口发紧、盗汗直流、灯光变暗、空气中弥漫着某衷禅息……人类明确使用感情标签（“感应胆怯”“很恼怒”）的比例是29%，而AI只有8%
。这露出了一个性质问题：AI没有真正的感情履历，它只能从训练数据中进建“感情的表在阐发”，而后用一种“教科书式”的方式把它们堆砌起来
。

它知路震惊会让人出汗，但它不知路出汗是什么感触
。所以它的刻画总有一种“使劲过猛”的违和赣转—就像一幼我从没吃过柠檬，却要写柠檬的酸味
。

人类会“突破第四面墙”，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，心爱的读者，肯定猜不到接下来发生了什么……」剽种突破“第四面墙”的写法，28%的人类文章会用到，AI只有7%
。

同时，人类写作提及具体文本和作者的比例险些是AI的两倍（47% vs 24%）
。人类能自若地在显性引用和隐性参考之间切换（37%的人类文章是“混合模式”，AI仅16%），而AI只能躲在吞吐的暗指背后，似乎生怕露出自己“没读过什么书”
。

这绝不是由于AI“没读过”，它的训练数据里什么书都佑转—而是由于它不知路什么时辰该说“我在引用”，什么时辰该维持寡言
；痪浠八，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“实现工作”
。

AI的故事“撞脸”严重
。AI天生的故事在“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硕,涉及更多地址、对话占比更高、更多支线融入主题主题（42% vs 21%），也更常塑造存在路德矛盾的主角（59% vs 38%）
。

人类的主角可所以好人也是坏人，能够既善良又自私；AI的主角则偏差于“伟光正”
。AI的问题不是“写得不好”，而是“写得都一样”
。它被困在一个狭幼的“默认叙事模板”，出不来
。即便你给分歧的AI模型统一个提醒词，它们写出的故事在叙事空间中的地位也惊人地靠近
。

每个AI都有自己的“叙事指纹”

论文最有趣的发现来了：分歧AI模型写故事的方式，就像分歧作者的“字迹”一样，各有各的弊端
。

论文提要中明确列出了三个模型的指纹特点——Claude的事务升级格表清淡，GPT过度使用梦乡序列，Gemini默认使用表部视角描述角色
；诼畚某⑹允莸慕徊椒治龃Ф，DeepSeek和Kimi也出现出各自鲜明的叙事偏差
。

什么意思呢？若是你看到一篇幼寺凤频仍出现“梦乡的转折”，那八成是GPT写的；若是整个故事波澜不惊，情节推动像白开水，那或许率是Claude的手笔；若是每个角色都从表部描述，像在看人物档案卡，那Gemini跑不掉
。更严害的是，用这些“指纹”做六类归属（从五个AI模型和人类中鉴别具体作者），正确率高达68.4%
。

更扎心的是，论文还发现：所有AI模型天生的故事在叙事空间中荟萃在统一个共享区域，而人类故事则散布在更辽阔的空间里
。

也就是说，不论你是Claude还是GPT，不论你的“写风格格”若何调整，你们的“叙事DNA”其实是一家人
。这种“叙事趋同”景象，可能是大说话模型训练范式的某种固有问题——它们都从类似的语猜中进建“什么是一个好故事”，而后得出了类似的结论
。

“去AI味”还有意思吗？

这项钻研的出现，恰逢“去AI味”成为热点话题
。就在论文颁布的统一个月，中文互联网上掀起了关于“豆包体”的群嘲——那些“最”“极度”“深深地”满天飞的AI天生文本，让网友笑到打鸣
。各类“解除AI味的不齐全手册”也应运而生
。与此同时，尼日利亚作者纳齐尔的幼说《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“表表功夫”
。你让AI写“我很忧伤”而不是“一股哀痛涌上心头”，扭转不了它的叙事结构
。你把所有破折号都删掉，也扭转不了它偏心单线程叙事、回避路德吞吐性的“底层代码”
。

Ethan Mollick在推文中出格强调：“要求AI用分歧风格写作，也险些扭转不了叙事层面的这些差距
。”

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，能够
。提醒词写得好，AI能仿照海明威的简洁、博尔赫斯的迷宫、王幼波的谐谑
。但从叙事层面看，AI在“怎么编故事」剽件事上，和人类有着底子性的分歧——它不经历生涯，不理解殒命，不知路什么是“欲说还休”，所以它只能套用一个“尺度的故事模板”
。

这或许才是AI写作和人类写作之间，最难以逾越的天堑
。

论文的结尾，钻研团队抛出了一个值得沉思的问题：随着AI天生文本越来越多地混入人类创作中，我们若何界说“原创性”？

他们公开了StoryScope的全数代码、10272个写作提醒，以及51336篇AI天生的叙事文本（部门提醒因天生失败未纳入），供学术界进一步钻研
。这更像是一种“预警”——当AI天生的文字洪水般涌入文学市场时，我们必要一套能穿透表层、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”，想想你到底想表白什么
。由于AI能够助你写出通顺的文字，但它始终无法替你经历一段人生——而后者，才是好故事的真正起源
。（本文首发钛媒体APP，作者 | 硅谷Tech_news，编纂 | 焦燕）