最近，马里兰大学和Google DeepMind的研究人员提出新观点：AI文本更稳定的指纹，可能藏在故事的“骨架”里——比如情节如何一步步升级，人物如何做出选择，时间线如何跳转，以及作者是否总喜欢把主题直接摊开讲给读者听。

从语言风格转向叙事特征

研究团队开发了一套新方案，叫StoryScope，基于2025年发布的叙事特征基准NarraBench。

这套方法不统计用了哪些词或标点，而是直接分析情节发展、角色描写、场景搭建、子情节、时间结构、对话功能，以及主题表达。这些维度都是可解释的，不像原来的“黑箱”检测。

更值得关注的是它的“可解释性”。检测器不仅给出“像AI的概率”，还能告诉你：这篇故事缺少子情节，时间线太单一，人物选择缺乏道德模糊性，或者叙述者总喜欢跳出来替读者总结故事寓意。这意味着，我们终于能知道它为什么这么判了。

超过五万篇故事的对照实验

数据量足够大。团队先选了10272篇人类写的短篇小说，然后用Gemini 2.5反向生成写作提示，再把这些提示分别扔给Gemini 3 Flash、DeepSeek V3.2、Claude Sonnet 4.6、Kimi K2.5和GPT-5.4，让它们各自生成新故事。

人类作品、提示词，加上五套AI模型的输出，组成了超过五万篇文本的对照数据。

结果呢？不同模型虽然各有偏好，但这些AI故事却像一群候鸟，扎堆聚集在相似的“叙事空间”里。相比之下，人类作品的结构要分散得多，更自由。

比如，Claude写的事件升级通常比较平缓，GPT更爱用梦境桥段，Gemini则倾向于从外部特征描述人物。模型之间存在差异，但它们的“叙事指纹”高度一致。

AI更喜欢把含义说透

研究统计发现，AI叙述者直接解释主题的比例高达77%，而人类作品只有52%。

举个例子：一个角色经历了悲伤，到了故事结尾，AI更可能直接告诉你“角色学到了什么”，而不是把意义留给读者去琢磨。

再比如，AI对话被用来进行哲学辩论的比例是59%，人类文本只有34%；引用其他作品时，AI采用模糊暗示的比例约72%，人类是50%。

整体来看，AI的模式就是“过度确定”：模型倾向于把主题、情绪、人物动机，全部完整地说出来，生怕读者看不懂。

另外，AI故事还更少使用子情节、闪回和复杂的时间跳转，人物和地点的数量也通常更少。描写恐惧时，人类作者可能简单写一句“他感到害怕”，模型却容易同时加入胸口发紧、冷汗直冒、灯光变暗等一大堆感官线索，形成一种一眼就能识别的“过度描写”。

数据来源与版权争议

当然，这项研究的数据来源也绕不开版权问题。人类故事取自Books3数据集，包含大约18.3万本从电子书收集的作品，长期涉及版权诉讼。

研究使用了其中一万多篇知名的短篇作品，但没有公开原始文本，只发布了提示词和AI生成结果。

论文特意声明，不认可将Books3用于模型训练或商业生成，这次用途限定在学术分析，目的是研究人类和AI的叙事差异，为作者身份、检测方法和版权政策讨论提供材料。

但话说回来，把受版权保护的作品反向拆成提示，再交给模型重写，这个研究设计本身，仍然是一个无法回避的伦理问题。

研究过程本身也使用了AI

更有意思的是，论文自己也披露了，研究人员在写论文的过程中，用了Claude Code和Codex来帮忙写代码、做表格、画图，甚至辅助润色论文。AI提出的建议以不同颜色保留，由研究者逐项审查、接受、修改或拒绝。

这个做法其实说明了一个道理：“是否使用AI”和“作品核心是否由人负责”，并不是同一个问题。

StoryScope更适合用来判断文本背后的叙事构造是否呈现模型化的模式，而不能仅凭一个分数就证明作者完全没有使用任何辅助工具。

目前，这项研究还只是预印本，检测效果也可能随着模型和写作策略的变化而波动。

但它提供了一个比表面词频更有价值的方向：未来AI文本检测，需要理解故事是怎样组织起来的，而不仅仅是去寻找某个标点或者流行套话。这才是真正的关键所在。

《夸克》非常好用的免费AI浏览器

下载APP查看