「AI 味」不是在一句话里，而是渗透了所有的文字- 大数跨境

APPSO

2026-08-29

导读：「意授于思，言授于意，密则无际，疏则千里」

读者对「不是……而是」句式、破折号及「稳稳接住」等 AI 惯用语已产生审美疲劳。然而，随着模型迭代，这些表层特征极易被修正。马里兰大学与 Google DeepMind 的研究团队转换视角：若剥离遣词造句，仅从人物安排、情节推进与时间结构分析，能否识别 AI？答案是肯定的。AI 的叙事骨架往往比其用词习惯更具稳定性。

给五个 AI 同一道作文题

名为 StoryScope 的研究聚焦英文虚构写作。研究者从 Books3 数据集中选取 10272 篇人类短篇小说，反推生成包含相似人物、设定与主题的Prompt，分别交由 Claude、DeepSeek、Gemini、GPT 和 Kimi 重写。最终构建出包含原作在内的 61608 篇故事样本，平均每篇约 4753 词。

研究将文章拆解为「叙事体检表」，涵盖人物主动性、冲突升级方式、支线穿插、时间跳跃、秘密揭晓时机及结局留白等十个维度，共提炼 304 项特征，完全摒弃词频与句长统计。仅凭这些叙事结构特征，分类器区分人类与 AI 故事的 macro-F1 值高达 93.2%。这表明，即便 AI 伪装了语气，其故事骨架仍会暴露身份。

AI 叙事过于努力且追求完整

AI 最显著的特征是「把话说透」。数据显示，77% 的 AI 叙述者会亲自解释主题（人类仅为 52%）；59% 的 AI 故事让人物通过对话探讨人生道理（人类为 34%）。角色经历悲伤后，AI 往往急于总结其获得的教训。

在情节架构上，AI 倾向于将故事视为一道必须完整作答的题目。79% 的 AI 故事缺乏支线剧情，而人类作品该比例为 57%。拥有强大算力的 AI 反而不擅长处理多线叙事。相比之下，人类作者更愿打乱时间线，运用倒叙、插叙，设置平行支线，并将主角置于道德模糊地带。如国漫《八仙！》中全员「不完美」的设定，便能让观众在立场间反复横跳。

结局处理上，AI 偏爱「大团圆」或逻辑闭环。69% 的 AI 故事会让主角做出明确决定并以此解决所有问题；人类作品该比例仅为 46%，更常让偶然性、他人意志或环境因素共同左右结果，甚至允许主角做出看似无意义的决定。例如诺兰版《奥德赛》对原著结局的颠覆性重构，虽引发争议，却赋予了古老故事新的解读空间。

在情感描写方面，AI 机械地执行「展示而非讲述」原则。81% 的 AI 故事通过身体反应和隐喻表达情绪，且套路固定：恐惧必写胸口收紧、冷汗渗出、灯光转暗。人类作者则更直接，仅 38% 会刻意借助细节描写，更多时候会直接陈述「他害怕了」。

不同模型亦显现出微弱风格差异：Claude 冲突升级平缓，偏爱安静结局；GPT 喜用八卦传闻推动剧情；Gemini 倾向整洁结尾；DeepSeek 习惯过早披露关键信息；Kimi 个性最不鲜明，处于叙事分布中心。但整体而言，五大模型的故事高度集中在相近的叙事区域，而人类作品分布更为离散。在全部样本中，24.7% 的人类作品落入「最罕见的 10%」区间，AI 作品仅占 7.1%。

「AI 味」源于叙事结构而非词句

研究者对 278 篇 Gemini 生成的故事进行去 AI 化处理，删除陈词滥调与冗余解释。结果显示，依靠叙事结构的识别准确率仅从 95.5% 微降至 93.9%。这证明即使更换词句，其因果链、主题阐释方式及结局收束逻辑依然未变。这也是为何读者常在阅读尾声时，因整体结构的别扭感而察觉 AI 痕迹。

尽管该研究仅针对英文虚构故事，但其提供的视角远超寻找「AI 口头禅」。传统的鉴伪方法关注破折号 usage、固定句式及价值升华模式，但这些表层特征极易随模型升级而失效。更难消除的是 AI 的底层逻辑：它是否急于亮明主题？是否将复杂问题简化为单线因果？是否习惯替读者总结意义？是否容许无用的支线、未解的细节及开放的矛盾存在？

鉴别 AI 不应止步于圈出可疑词汇，更需审视整篇文章的构想过程。在碎片化阅读时代，感知作品的「整体性」愈发困难，但这恰恰是关键所在。正如《文心雕龙》所言：「意授于思，言授于意，密则无际，疏则千里」。写作是从思考到意旨，再落实为语言的过程。谋篇布局承载着作者的深层思考，这才是区分人机创作的核心防线。

【声明】内容源于网络

APPSO

AI第一新媒体，「超级个体」的灵感指南。 #AIGC #智能设备 #独特应用 #Generative Al

内容 15696

粉丝 0

APPSO AI第一新媒体，「超级个体」的灵感指南。 #AIGC #智能设备 #独特应用 #Generative Al

总阅读397.8k

粉丝0

内容15.7k