AI寫小說的套路被扒光了： Claude愛平鋪，GPT總做夢(mèng)，Gemini只會(huì)“他如何如何”

先做個(gè)小測(cè)試。

讀下面這段話：

“他感到胸口發(fā)緊，冷汗順著脊背滑落，周圍的燈光似乎暗了下來?？諝庵袕浡环N說不清的氣息，像雨后的泥土，又像某種古老的記憶。”

再讀這段話：

“張三很害怕。他不知道為什么，但他就是覺得不對(duì)勁。他想起了小時(shí)候外婆講的那個(gè)故事?！?/p>

直覺告訴你，哪段是AI寫的？

大概率是第一段。因?yàn)槟阋呀?jīng)“進(jìn)化”出了鑒別AI寫作的雷達(dá)——那些過度描寫感官體驗(yàn)、把“恐懼”包裝成一堆生理反應(yīng)的文字，怎么看怎么像ChatGPT的手筆。

過去一年，網(wǎng)上充斥著各種“AI寫作鑒別指南”：愛用破折號(hào)？AI寫的。愛用“首先、其次、最后”？AI寫的。形容詞堆砌？AI寫的。但這些都屬于“風(fēng)格特征”——換一套提示詞就能輕松繞過。很多人相信，只要會(huì)“調(diào)教”AI，就能讓機(jī)器寫出和人類別無二致的文字。

但馬里蘭大學(xué)和Google DeepMind的團(tuán)隊(duì)告訴你：別費(fèi)勁了，AI寫故事的“底層操作系統(tǒng)”和人類完全不同，改提示詞也救不了。

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

一場(chǎng)“文學(xué)解剖”實(shí)驗(yàn)

2026年4月，馬里蘭大學(xué)計(jì)算機(jī)系Jenna Russell團(tuán)隊(duì)聯(lián)合Google DeepMind在arXiv上發(fā)表了論文《StoryScope: Investigating idiosyncrasies in AI fiction》（《故事顯微鏡：探究AI小說的特質(zhì)》）。

5月28日，沃頓商學(xué)院教授Ethan Mollick在X上分享了這篇論文，配文說：“關(guān)于AI寫作風(fēng)格特征（破折號(hào)之類的）已經(jīng)寫了很多，但這篇論文關(guān)注的是AI的敘事特征。AI和人類敘事之間存在令人著迷的差異，而且讓AI用不同風(fēng)格寫作，也幾乎改變不了這一點(diǎn)。”

Ethan Mollick于2026年5月28日在X上分享的論文核心圖表，獲得31.5萬(wàn)次查看

短短一天，這條推文獲得31.5萬(wàn)次查看，3000多個(gè)點(diǎn)贊，近600次轉(zhuǎn)發(fā)。AI圈的學(xué)者、寫作者、普通讀者都被同一個(gè)問題吸引了：AI到底會(huì)不會(huì)講故事？

實(shí)驗(yàn)的規(guī)模大得驚人：他們收集了10272個(gè)寫作提示（相當(dāng)于寫作題目），每個(gè)提示分別由人類作者和五個(gè)大語(yǔ)言模型Claude、DeepSeek、Gemini、GPT、Kimi各寫一篇故事，每篇約5000詞。最終獲得了61608篇故事，每篇提取304個(gè)敘事特征。

這是什么概念？相當(dāng)于把六萬(wàn)多部小說的“骨架”一根根拆開，放在顯微鏡下比對(duì)，從情節(jié)結(jié)構(gòu)、角色能動(dòng)性、時(shí)間連貫性到對(duì)話密度，無所不包。

研究團(tuán)隊(duì)開發(fā)了一個(gè)名為StoryScope的自動(dòng)化分析管道，能從10個(gè)維度自動(dòng)歸納出細(xì)粒度的、可解釋的敘事特征，涵蓋情節(jié)、主體、時(shí)間結(jié)構(gòu)等層面，然后對(duì)比AI生成的和人類寫的，看看骨頭架子到底有什么不同。

結(jié)果完全不看用詞、句式、標(biāo)點(diǎn)這些風(fēng)格信號(hào)，僅用敘事特征，就能以93.2%的準(zhǔn)確率區(qū)分人類和AI寫作；在“六個(gè)作者分別是誰(shuí)”的六類歸屬任務(wù)中，準(zhǔn)確率達(dá)到68.4%。作為對(duì)比，包含了風(fēng)格線索的完整模型，準(zhǔn)確率也就高出不到3%。

換句話說，AI寫作的“底層敘事邏輯”本身就是一張明牌。哪怕你把所有破折號(hào)都刪掉、把所有“首先其次最后”換成口語(yǔ)化表達(dá)，你的敘事骨架依然會(huì)出賣你。

AI寫故事，到底哪里不對(duì)勁？

研究團(tuán)隊(duì)將核心差異歸納為五個(gè)維度。

AI太愛“說教”了。AI寫的故事，就像一個(gè)生怕你讀不懂的語(yǔ)文老師。77%的情況下，AI的敘事者會(huì)直接點(diǎn)明故事主題：“這個(gè)故事告訴我們……”，而人類作者的這一比例只有52%。AI故事里的對(duì)話出現(xiàn)哲學(xué)討論的比例是59%，而人類只有34%。

更明顯的是：AI對(duì)其他作品的引用全是“模糊的暗指”（占比72%），而人類作者更傾向于直接說“像《百年孤獨(dú)》里那樣”......明確提及作品名稱占50%。AI的潛臺(tái)詞似乎是：“我告訴你一個(gè)道理，你好好聽著。”人類的潛臺(tái)詞則是：“你自己品。”

你可能會(huì)說，這不是很負(fù)責(zé)任嗎？把道理講清楚不好嗎？問題在于，好的故事從來不靠“講道理”打動(dòng)人。托爾斯泰不會(huì)在《安娜·卡列尼娜》結(jié)尾寫“這個(gè)故事告訴我們，出軌沒有好下場(chǎng)”——他讓讀者自己去感受。而AI做不到“放手”，它必須把每件事都說透。

人類會(huì)“跳時(shí)間線”，AI只會(huì)一條道走到黑。人類講故事喜歡玩花樣：從葬禮開場(chǎng)，然后倒敘幾十年前的事情，再突然閃回到現(xiàn)在。這種非線性敘事在AI那里幾乎不存在。數(shù)據(jù)顯示：79%的AI故事“沒有支線情節(jié)”，而人類故事的這個(gè)比例是57%。AI故事的主角驅(qū)動(dòng)型結(jié)局占69%，而人類只有46%。

人類更喜歡讓故事“懸著”，留給讀者想象空間。人類故事的結(jié)局更偏向開放式模糊結(jié)局，讓讀者自己去琢磨“然后呢”。AI則必須給每個(gè)角色一個(gè)交代：主角要么頓悟了，要么接受了現(xiàn)實(shí)（占47%），而人類只有27%會(huì)這么做。

研究團(tuán)隊(duì)舉了個(gè)生動(dòng)的例子：讓AI和人類分別寫一個(gè)懸疑故事，人類可能從葬禮開場(chǎng)，再倒敘幾十年前的恩怨；而AI會(huì)從第一條線索開始，按時(shí)間順序一路推進(jìn)到大結(jié)局，中間沒有任何“岔路”。

AI對(duì)“身體描寫”上癮。回到開頭的測(cè)試。AI寫作最顯著的特征之一：不會(huì)直接說情緒，而是用身體反應(yīng)和環(huán)境描寫來“演”情緒。

數(shù)據(jù)顯示，81%的情況下AI會(huì)通過生理感受和身體隱喻來傳達(dá)情緒（人類只有38%）。AI使用嗅覺意象的比例高達(dá)82%（人類57%），還喜歡把環(huán)境設(shè)定作為角色內(nèi)心狀態(tài)的映射。人類作者寫“張三害怕了”，就是一句話。

AI寫“害怕”：胸口發(fā)緊、冷汗直流、燈光變暗、空氣中彌漫著某種氣息……人類明確使用情緒標(biāo)簽（“感到害怕”“很憤怒”）的比例是29%，而AI只有8%。這暴露了一個(gè)本質(zhì)問題：AI沒有真正的情緒體驗(yàn)，它只能從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)“情緒的外在表現(xiàn)”，然后用一種“教科書式”的方式把它們堆砌起來。

它知道恐懼會(huì)讓人出汗，但它不知道出汗是什么感覺。所以它的描寫總有一種“用力過猛”的違和感——就像一個(gè)人從沒吃過檸檬，卻要寫檸檬的酸味。

人類會(huì)“打破第四面墻”，AI只會(huì)悶頭寫。人類作者有一個(gè)AI學(xué)不會(huì)的絕活：和讀者直接對(duì)話。“你，親愛的讀者，一定猜不到接下來發(fā)生了什么……”這種打破“第四面墻”的寫法，28%的人類作品會(huì)用到，AI只有7%。

同時(shí)，人類寫作提及具體文本和作者的比例幾乎是AI的兩倍（47% vs 24%）。人類能自如地在顯性引用和隱性參考之間切換（37%的人類作品是“混合模式”，AI僅16%），而AI只能躲在模糊的暗指背后，仿佛生怕暴露自己“沒讀過什么書”。

這絕不是因?yàn)锳I“沒讀過”，它的訓(xùn)練數(shù)據(jù)里什么書都有——而是因?yàn)樗恢朗裁磿r(shí)候該說“我在引用”，什么時(shí)候該保持沉默。換句話說，AI的敘事是“沒有讀者意識(shí)”的敘事。它不在乎你在不在看，不在乎你能不能跟上，它只是在“完成任務(wù)”。

AI的故事“撞臉”嚴(yán)重。AI生成的故事在“敘事空間”中擠作一團(tuán)，而人類的故事散落在四面八方。人類的故事素材庫(kù)更豐富,涉及更多地點(diǎn)、對(duì)話占比更高、更多支線融入核心主題（42% vs 21%），也更常塑造存在道德矛盾的主角（59% vs 38%）。

人類的主角可以是好人也是壞人，可以既善良又自私；AI的主角則傾向于“偉光正”。AI的問題不是“寫得不好”，而是“寫得都一樣”。它被困在一個(gè)狹窄的“默認(rèn)敘事模板”，出不來。即便你給不同的AI模型同一個(gè)提示詞，它們寫出的故事在敘事空間中的位置也驚人地接近。

每個(gè)AI都有自己的“敘事指紋”

論文最有趣的發(fā)現(xiàn)來了：不同AI模型寫故事的方式，就像不同作家的“筆跡”一樣，各有各的毛病。

論文摘要中明確列出了三個(gè)模型的指紋特征——Claude的事件升級(jí)格外平淡，GPT過度使用夢(mèng)境序列，Gemini默認(rèn)使用外部視角描述角色。基于論文實(shí)驗(yàn)數(shù)據(jù)的進(jìn)一步分析推斷，DeepSeek和Kimi也呈現(xiàn)出各自鮮明的敘事傾向。

什么意思呢？如果你看到一篇小說里頻繁出現(xiàn)“夢(mèng)境的轉(zhuǎn)折”，那八成是GPT寫的；如果整個(gè)故事波瀾不驚，情節(jié)推進(jìn)像白開水，那大概率是Claude的手筆；如果每個(gè)角色都從外部描述，像在看人物檔案卡，那Gemini跑不掉。更厲害的是，用這些“指紋”做六類歸屬（從五個(gè)AI模型和人類中識(shí)別具體作者），準(zhǔn)確率高達(dá)68.4%。

更扎心的是，論文還發(fā)現(xiàn)：所有AI模型生成的故事在敘事空間中聚集在同一個(gè)共享區(qū)域，而人類故事則散布在更廣闊的空間里。

也就是說，不管你是Claude還是GPT，不管你的“寫作風(fēng)格”如何調(diào)整，你們的“敘事DNA”其實(shí)是一家人。這種“敘事趨同”現(xiàn)象，可能是大語(yǔ)言模型訓(xùn)練范式的某種固有問題——它們都從相似的語(yǔ)料中學(xué)習(xí)“什么是一個(gè)好故事”，然后得出了相似的結(jié)論。

“去AI味”還有意義嗎？

這項(xiàng)研究的出現(xiàn)，恰逢“去AI味”成為熱門話題。就在論文發(fā)布的同一個(gè)月，中文互聯(lián)網(wǎng)上掀起了關(guān)于“豆包體”的群嘲——那些“最”“非?！薄吧钌畹亍睗M天飛的AI生成文本，讓網(wǎng)友笑到打鳴。各種“消除AI味的不完全手冊(cè)”也應(yīng)運(yùn)而生。與此同時(shí)，尼日利亞作家納齊爾的小說《林間之蛇》被指控存在大量“AI寫作痕跡”，文學(xué)界的AI寫作爭(zhēng)議愈演愈烈。

但StoryScope的結(jié)論潑了一盆冷水：改詞匯、換句式、調(diào)標(biāo)點(diǎn)，這些都是“表面功夫”。你讓AI寫“我很難過”而不是“一股悲傷涌上心頭”，改變不了它的敘事結(jié)構(gòu)。你把所有破折號(hào)都刪掉，也改變不了它偏愛單線程敘事、回避道德模糊性的“底層代碼”。

Ethan Mollick在推文中特別強(qiáng)調(diào)：“要求AI用不同風(fēng)格寫作，也幾乎改變不了敘事層面的這些差異?！?/strong>

這其實(shí)觸及了一個(gè)更深刻的問題：AI到底能不能“像人類一樣”創(chuàng)作？

從風(fēng)格層面看，可以。提示詞寫得好，AI能模仿海明威的簡(jiǎn)潔、博爾赫斯的迷宮、王小波的戲謔。但從敘事層面看，AI在“怎么編故事”這件事上，和人類有著根本性的不同——它不經(jīng)歷生活，不理解死亡，不知道什么是“欲說還休”，所以它只能套用一個(gè)“標(biāo)準(zhǔn)的故事模板”。

這或許才是AI寫作和人類寫作之間，最難以跨越的鴻溝。

論文的結(jié)尾，研究團(tuán)隊(duì)拋出了一個(gè)值得深思的問題：隨著AI生成文本越來越多地混入人類創(chuàng)作中，我們?nèi)绾味x“原創(chuàng)性”？

他們公開了StoryScope的全部代碼、10272個(gè)寫作提示，以及51336篇AI生成的敘事文本（部分提示因生成失敗未納入），供學(xué)術(shù)界進(jìn)一步研究。這更像是一種“預(yù)警”——當(dāng)AI生成的文字洪水般涌入文學(xué)市場(chǎng)時(shí)，我們需要一套能穿透表層、直達(dá)敘事底層的“照妖鏡”。

而對(duì)于每一個(gè)用AI輔助寫作的人來說，這篇論文或許也在提醒：別只想著“去AI味”，想想你到底想表達(dá)什么。因?yàn)锳I可以幫你寫出通順的文字，但它永遠(yuǎn)無法替你經(jīng)歷一段人生——而后者，才是好故事的真正來源。（本文首發(fā)鈦媒體APP，作者 | 硅谷Tech_news，編輯 | 焦燕）