先作念个小测试。

读底下这段话：

“他感到胸口发紧，盗汗顺着脊背滑落，周围的灯光似乎暗了下来。空气中弥散着一种说不清的气味，像雨后的土壤，又像某种陈腐的记忆。”

再读这段话：

“张三很发怵。他不知谈为什么，但他即是以为不合劲。他想起了小时候外婆讲的阿谁故事。”

直观告诉你，哪段是AI写的？

大概率是第一段。因为你依然“进化”出了辨别AI写稿的雷达——那些过度形容感官体验、把“懦弱”包装成一堆生理响应的翰墨，若何看若何像ChatGPT的手笔。

畴昔一年，网上充斥着多样“AI写稿辨别指南”：爱用破折号？AI写的。爱用“率先、其次、终末”？AI写的。态状词堆砌？AI写的。但这些都属于“立场特征”——换一套领导词就能等闲绕过。好多东谈主服气，只须会“调教”AI，就能让机器写出和东谈主类别无二致的翰墨。

但马里兰大学和Google DeepMind的团队告诉你：别而已了，AI写故事的“底层操作系统”和东谈主类裕如不同，改领导词也救不了。

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

一场“文体剖解”实验

2026年4月，马里兰大学臆度机系Jenna Russell团队长入Google DeepMind在arXiv上发表了论文《StoryScope: Investigating idiosyncrasies in AI fiction》（《故事显微镜：探究AI演义的特点》）。

5月28日，沃顿商学院教悔Ethan Mollick在X上分享了这篇论文，配文说：“对于AI写稿立场特征（破折号之类的）依然写了好多，但这篇论文柔柔的是AI的叙事特征。AI和东谈主类叙事之间存在引东谈主入胜的各别，况兼让AI用不同立场写稿，也险些改变不了这小数。”

Ethan Mollick于2026年5月28日在X上分享的论文中枢图表，赢得31.5万次旁观

短短一天，这条推文赢得31.5万次旁观，3000多个点赞，近600次转发。AI圈的学者、写稿者、正常读者都被合并个问题蛊卦了：AI到底会不会讲故事？

实验的范畴大得惊东谈主：他们汇聚了10272个写稿领导（相等于写稿题目），每个领导分别由东谈主类作者和五个大谈话模子Claude、DeepSeek、Gemini、GPT、Kimi各写一篇故事，每篇约5000词。最终赢得了61608篇故事，每篇索要304个叙事特征。

这是什么主意？相等于把六万多部演义的“骨架”一根根阔别，放在显微镜下比对，从情节结构、变装能动性、技艺连贯性到对话密度，兼容并蓄。

有计划团队设立了一个名为StoryScope的自动化分析管谈，能从10个维度自动归纳出细粒度的、可评释的叙事特征，涵盖情节、主体、技艺结构等层面，然后对比AI生成的和东谈主类写的，望望骨头架子到底有什么不同。

效劳裕如不看用词、句式、标点这些立场信号，仅用叙事特征，就能以93.2%的准确率分歧东谈主类和AI写稿；在“六个作者分别是谁”的六类包摄任务中，准确率达到68.4%。看成对比，包含了立场思绪的好意思满模子，准确率也就卓著不到3%。

换句话说，AI写稿的“底层叙事逻辑”自己即是一张明牌。哪怕你把通盘破折号都删掉、把通盘“率先其次终末”换成白话化抒发，你的叙事骨架依然会出卖你。

AI写故事，到底那处不合劲？

有计划团队将中枢各别归纳为五个维度。

AI太爱“说教”了。AI写的故事，就像一个惟恐你读不懂的语文敦朴。77%的情况下，AI的叙事者会径直点明故当事人题：“这个故事告诉咱们……”，而东谈主类作者的这一比例只须52%。AI故事里的对话出现玄学策动的比例是59%，而东谈主类只须34%。

更昭着的是：AI对其他作品的援用全是“隐约的暗指”（占比72%），而东谈主类作者更倾向于径直说“像《百年安静》里那样”......明确说起作品称号占50%。AI的潜台词似乎是：“我告诉你一个兴致，开云体育2026世界杯中国官网你好顺耳着。”东谈主类的潜台词则是：“你我方品。”

你可能会说，这不是很负牵累吗？把兴致讲明晰不好吗？问题在于，好的故事从来不靠“讲兴致”打动东谈主。托尔斯泰不会在《安娜·卡列尼娜》终结写“这个故事告诉咱们，出轨莫得好下场”——他让读者我方去感受。而AI作念不到“实现”，它必须把每件事都说透。

东谈主类会“跳技艺线”，AI只会一条谈走到黑。东谈主类讲故事心爱玩样貌：从葬礼开场，然后倒叙几十年前的事情，再一刹闪回到当今。这种非线性叙事在AI那里险些不存在。数据傲气：79%的AI故事“莫得支线情节”，而东谈主类故事的这个比例是57%。AI故事的主角驱动型结局占69%，而东谈主类只须46%。

东谈主类更心爱让故事“悬着”，留给读者联想空间。东谈主类故事的结局更偏向绽开式隐约结局，让读者我方去琢磨“然后呢”。AI则必须给每个变装一个派遣：主角要么顿悟了，要么摄取了本质（占47%），而东谈主类只须27%会这样作念。

有计划团队举了个活泼的例子：让AI和东谈主类分别写一个悬疑故事，东谈主类可能从葬礼开场，再倒叙几十年前的恩仇；而AI会从第一条思绪驱动，定技艺法例所有这个词鼓励到大结局，中间莫得任何“支路”。

AI对“躯壳形容”上瘾。回到伊始的测试。AI写稿最显耀的特征之一：不会径直说情怀，而是用躯壳响应和环境形容来“演”情怀。

数据傲气，81%的情况下AI和会过生理感受和躯壳隐喻来传达情怀（东谈主类只须38%）。AI使用感觉预料的比例高达82%（东谈主类57%），还心爱把环境设定看成变装内心现象的映射。东谈主类作者写“张三发怵了”，即是一句话。

AI写“发怵”：胸口发紧、盗汗直流、灯光变暗、空气中弥散着某种气味……东谈主类明确使用情怀标签（“感到发怵”“很震怒”）的比例是29%，星空体育(中国)官方网站而AI只须8%。这清晰了一个本责问题：AI莫得着实的情怀体验，它只可从覆按数据中学习“情怀的外皮进展”，然后用一种“教科书式”的样式把它们堆砌起来。

它知谈懦弱会让东谈主出汗，但它不知谈出汗是什么感觉。是以它的形容总有一种“使劲过猛”的违和感——就像一个东谈主从没吃过柠檬，却要写柠檬的酸味。

东谈主类会“冲突第四面墙”，AI只会闷头写。东谈主类作者有一个AI学不会的绝活：和读者径直对话。“你，亲爱的读者，一定猜不到接下来发生了什么……”这种冲突“第四面墙”的写法，28%的东谈主类作品会用到，AI只须7%。

同期，东谈主类写稿说起具体文本和作者的比例险些是AI的两倍（47% vs 24%）。东谈主类能自如地在显性援用和隐性参考之间切换（37%的东谈主类作品是“羼杂模式”，AI仅16%），而AI只可躲在隐约的暗指背后，仿佛惟恐清晰我方“没读过什么书”。

这毫不是因为AI“没读过”，它的覆按数据里什么书都有——而是因为它不知谈什么时候该说“我在援用”，什么时候该保合手千里默。换句话说，AI的叙事是“莫得读者意志”的叙事。它不在乎你在不在看，不在乎你能不可跟上，它仅仅在“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，而东谈主类的故事洒落在四面八方。东谈主类的故事素材库更丰富，波及更多地方、对话占比更高、更多支线融入中枢主题（42% vs 21%），也更常塑造存在谈德矛盾的主角（59% vs 38%）。

东谈主类的主角不错是好东谈主亦然坏东谈主，不错既暖热又自利；AI的主角则倾向于“伟光正”。AI的问题不是“写得不好”，而是“写得都不异”。它被困在一个狭隘的“默许叙事模板”，出不来。即便你给不同的AI模子合并个领导词，它们写出的故事在叙事空间中的位置也惊东谈主地接近。

每个AI都有我方的“叙事指纹”

论文最敬爱的发现来了：不同AI模子写故事的样式，就像不同作者的“字迹”不异，各有各的症结。

论文选录中明确列出了三个模子的指纹特征——Claude的事件升级特别平凡，GPT过度使用黑甜乡序列，Gemini默许使用外部视角形容变装。基于论文实验数据的进一步分析推断，DeepSeek和Kimi也呈现出各自较着的叙事倾向。

什么道理呢？如若你看到一篇演义里经常出现“黑甜乡的调动”，那简略是GPT写的；如若所有这个词故事波澜不惊，情节鼓励像白热水，那大概率是Claude的手笔；如若每个变装都从外部形容，像在看东谈主物档案卡，那Gemini跑不掉。更强横的是，用这些“指纹”作念六类包摄（从五个AI模子和东谈主类中识别具体作者），准确率高达68.4%。

更扎心的是，论文还发现：通盘AI模子生成的故事在叙事空间中连络在合并个分享区域，而东谈主类故事则踱步在更遍及的空间里。

也即是说，岂论你是Claude如故GPT，岂论你的“写稿立场”如何洽商，你们的“叙事DNA”其实是一家东谈主。这种“叙事趋同”气候，可能是大谈话模子覆按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”，然后得出了相似的论断。

“去AI味”还有真义吗？

这项有计划的出现，恰逢“去AI味”成为热点话题。就在论文发布的合并个月，汉文互联网上掀翻了对于“豆包体”的群嘲——那些“最”“相等”“深深地”满天飞的AI生成文本，让网友笑到打鸣。多样“甩掉AI味的子虚足手册”也应时而生。与此同期，尼日利亚作者纳皆尔的演义《林间之蛇》被指控存在多半“AI写稿陈迹”，文体界的AI写稿争议愈演愈烈。

但StoryScope的论断泼了一盆冷水：改词汇、换句式、调标点，这些都是“名义著作”。你让AI写“我很痛心”而不是“一股哀吊涌上心头”，改变不了它的叙事结构。你把通盘破折号都删掉，也改变不了它偏疼单线程叙事、遁入谈德隐约性的“底层代码”。

Ethan Mollick在推文中特殊强调：“条目AI用不同立场写稿，也险些改变不了叙事层面的这些各别。”

这其实触及了一个更深化的问题：AI到底能不可“像东谈主类不异”创作？

从立场层面看，不错。领导词写得好，AI能效法海明威的简略、博尔赫斯的迷宫、王小波的戏谑。但从叙事层面看，AI在“若何编故事”这件事上，和东谈主类有着根人道的不同——它不履历生计，不睬解死字，不知谈什么是“欲说还休”，是以它只可套用一个“标准的故事模板”。

这随机才是AI写稿和东谈主类写稿之间，最难以跳动的界限。

论文的终结，有计划团队抛出了一个值得深想的问题：跟着AI生成文本越来越多地混入东谈主类创作中，咱们如何界说“原创性”？

他们公开了StoryScope的全部代码、10272个写稿领导，以及51336篇AI生成的叙事文本（部分领导因生成失败未纳入），供学术界进一步有计划。这更像是一种“预警”——当AI生成的翰墨激流般涌入文体市集时，咱们需要一套能穿透上层、直达叙事底层的“照妖镜”。

而对于每一个用AI扶助写稿的东谈主来说，这篇论文随机也在提醒：别只想着“去AI味”星空(中国)官网网站，想想你到底想抒发什么。因为AI不错帮你写出运动的翰墨，但它恒久无法替你履历一段东谈主生——尔后者，才是好故事的着实起原。