先做个小测试。。。

读下面这段话：

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

再读这段话：

“张三很畏惧。。。他不知道为什么，，但他就是以为差池劲。。。他想起了小时间外婆讲的谁人故事。。。”

直觉告诉你，，哪段是AI写的？？？？？？

或许率是第一段。。。由于你已经“进化”出了判别AI写作的雷达——那些太过形貌感官体验、把“恐惧”包装成一堆心理反映的文字，，怎么看怎么像ChatGPT的手笔。。。

已往一年，，网上充满着种种“AI写作判别指南”：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“气概特征”——换一套提醒词就能轻松绕过。。。许多人相信，，只要会“调教”AI，，就能让机械写出和人种别无二致的文字。。。

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”和人类完全差别，，改提醒词也救不了。。。

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

一场“文学剖解”实验

2026年4月，，马里兰大学盘算机系Jenna Russell团队联合Google DeepMind在arXiv上揭晓了论文《StoryScope: Investigating idiosyncrasies in AI fiction》（《故事显微镜：探讨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写作气概特征（破折号之类的）已经写了许多，，但这篇论文关注的是AI的叙事特征。。。AI和人类叙事之间保存令人着迷的差别，，并且让AI用差别气概写作，，也险些改变不了这一点。。。”

Ethan Mollick于2026年5月28日在X上分享的论文焦点图表，，获得31.5万次审查

短短一天，，这条推文获得31.5万次审查，，3000多个点赞，，近600次转发。。。AI圈的学者、写作者、通俗读者都被统一个问题吸引了：AI究竟会不会讲故事？？？？？？

实验的规模大得惊人：他们网络了10272个写作提醒（相当于写作问题），，每个提醒划分由人类作者和五个大语言模子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。。。

这是什么看法？？？？？？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的自动化剖析管道，，能从10个维度自动归纳出细粒度的、可诠释的叙事特征，，涵盖情节、主体、时间结构等层面，，然后比照AI天生的和人类写的，，看看骨头架子究竟有什么差别。。。

效果完全不看用词、句式、标点这些气概信号，，仅用叙事特征，，就能以93.2%的准确率区分人类和AI写作；；；；在“六个作者划分是谁”的六类归属使命中，，准确率抵达68.4%。。。作为比照，，包括了气概线索的完整模子，，准确率也就横跨不到3%。。。

换句话说，，AI写作的“底层叙事逻辑”自己就是一张明牌。。。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，，究竟那里差池劲？？？？？？

研究团队将焦点差别归纳为五个维度。。。

AI太爱“说教”了。。。AI写的故事，，就像一个生怕你读不懂的语文先生。。。77%的情形下，，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故事里的对话泛起哲学讨论的比例是59%，，而人类只有34%。。。

更显着的是：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《百年孤苦》里那样”......明确提及作品名称占50%。。。AI的潜台词似乎是：“我告诉你一个原理，，你好好听着。。。”人类的潜台词则是：“你自己品。。。”

你可能会说，，这不是很认真任吗？？？？？？把原理讲清晰欠好吗？？？？？？问题在于，，好的故事历来不靠“讲原理”感感人。。。托尔斯泰不会在《安娜·卡列尼娜》最后写“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“松手”，，它必需把每件事都说透。。。

人类会“跳时间线”，，AI只会一条道走到黑。。。人类讲故事喜欢玩名堂：从葬礼开。。。，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那里险些不保存。。。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故事的主角驱动型下场占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。。。人类故事的下场更偏向开放式模糊下场，，让读者自己去琢磨“然后呢”。。。AI则必需给每个角色一个交接：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和人类划分写一个悬疑故事，，人类可能从葬礼开。。。，再倒叙几十年前的恩仇；；；；而AI会从第一条线索最先，，准时间顺序一起推进到大下场，，中心没有任何“岔路”。。。

AI对“身体形貌”上瘾。。；；；；氐娇返牟馐。。。AI写作最显著的特征之一：不会直接讨情绪，，而是用身体反映和情形形貌来“演”情绪。。。

数据显示，，81%的情形下AI会通过心理感受和身体隐喻来转达情绪（人类只有38%）。。。AI使用嗅觉意象的比例高达82%（人类57%），，还喜欢把情形设定作为角色心田状态的映射。。。人类作者写“张三畏惧了”，，就是一句话。。。

AI写“畏惧”：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（“感应畏惧”“很恼怒”）的比例是29%，，而AI只有8%。。。这袒露了一个本诘责题：AI没有真正的情绪体验，，它只能从训练数据中学习“情绪的外在体现”，，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受。。。以是它的形貌总有一种“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“突破第周围墙”，，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，，一定猜不到接下来爆发了什么……”这种突破“第周围墙”的写法，，28%的人类作品会用到，，AI只有7%。。。

同时，，人类写作提及详细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%的人类作品是“混淆模式”，，AI仅16%），，而AI只能躲在模糊的暗指背后，，似乎生怕袒露自己“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有——而是由于它不知道什么时间该说“我在引用”，，什么时间该坚持默然。。；；；；痪浠八担，AI的叙事是“没有读者意识”的叙事。。。它不在乎你在不在看，，不在乎你能不可跟上，，它只是在“完成使命”。。。

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周围八方。。。人类的故事素材库更富厚,涉及更多所在、对话占比更高、更多支线融入焦点主题（42% vs 21%），，也更常塑造保存品德矛盾的主角（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“写得欠好”，，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。。。即便你给差别的AI模子统一个提醒词，，它们写出的故事在叙事空间中的位置也惊人地靠近。。。

每个AI都有自己的“叙事指纹”

论文最有趣的发明来了：差别AI模子写故事的方式，，就像差别作家的“字迹”一样，，各有各的误差。。。

论文摘要中明确列出了三个模子的指纹特征——Claude的事务升级格外平庸，，GPT太过使用梦乡序列，，Gemini默认使用外部视角形貌角色。。；；；；诼畚氖笛槭莸慕徊狡饰鐾贫希，DeepSeek和Kimi也泛起出各自鲜明的叙事倾向。。。

什么意思呢？？？？？？若是你看到一篇小说里频仍泛起“梦乡的转折”，，那八成是GPT写的；；；；若是整个故事波涛不惊，，情节推进像白开水，，那或许率是Claude的手笔；；；；若是每个角色都从外部形貌，，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模子和人类中识别详细作者），，准确率高达68.4%。。。

更扎心的是，，论文还发明：所有AI模子天生的故事在叙事空间中群集在统一个共享区域，，而人类故事则散布在更辽阔的空间里。。。

也就是说，，不管你是Claude照旧GPT，，不管你的“写作气概”怎样调解，，你们的“叙事DNA”着实是一家人。。。这种“叙事趋同”征象，，可能是大语言模子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”尚有意义吗？？？？？？

这项研究的泛起，，恰逢“去AI味”成为热门话题。。。就在论文宣布的统一个月，，中文互联网上掀起了关于“豆包体”的群嘲——那些“最”“很是”“深深地”满天飞的AI天生文本，，让网友笑到打鸣。。。种种“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》被指控保存大宗“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“外貌功夫”。。。你让AI写“我很难过”而不是“一股伤心涌上心头”，，改变不了它的叙事结构。。。你把所有破折号都删掉，，也改变不了它偏幸单线程叙事、回避品德模糊性的“底层代码”。。。

Ethan Mollick在推文中特殊强调：“要求AI用差别气概写作，，也险些改变不了叙事层面的这些差别。。。”

这着实触及了一个更深刻的问题：AI究竟能不可“像人类一样”创作？？？？？？

从气概层面看，，可以。。。提醒词写得好，，AI能模拟海明威的精练、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，，和人类有着根天性的差别——它不履历生涯，，不明确殒命，，不知道什么是“欲说还休”，，以是它只能套用一个“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。。。

论文的最后，，研究团队抛出了一个值得深思的问题：随着AI天生文本越来越多地混入人类创作中，，我们怎样界说“原创性”？？？？？？

他们果真了StoryScope的所有代码、10272个写作提醒，，以及51336篇AI天生的叙事文本（部分提醒因天生失败未纳入），，供学术界进一步研究。。。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，，我们需要一套能穿透表层、直达叙事底层的“照妖镜”。。。

而关于每一个用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”，，想想你究竟想表达什么。。。由于AI可以帮你写出通顺的文字，，但它永远无法替你履历一段人生——此后者，，才是好故事的真正泉源。。。（本文首发钛媒体APP，，作者 | 硅谷Tech_news，，编辑 | 焦燕）