读下面这段话：
" 他感到胸口发紧，冷汗顺着脊背滑落，周围的灯光似乎暗了下来。空气中弥漫着一种说不清的气息，像雨后的泥土，又像某种古老的记忆。"
再读这段话：
" 张三很害怕。他不知道为什么，但他就是觉得不对劲。他想起了小时候外婆讲的那个故事。"
直觉告诉你，哪段是 AI 写的？
大概率是第一段。因为你已经 " 进化 " 出了鉴别 AI 写作的雷达——那些过度描写感官体验、把 " 恐惧 " 包装成一堆生理反应的文字，怎么看怎么像 ChatGPT 的手笔。
过去一年，网上充斥着各种 "AI 写作鉴别指南 "：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 " 风格特征 " ——换一套提示词就能轻松绕过。很多人相信，只要会 " 调教 "AI，就能让机器写出和人类别无二致的文字。
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 " 和人类完全不同，改提示词也救不了。
（论文地址：https://arxiv.org/abs/2604.03136）
一场 " 文学解剖 " 实验
2026 年 4 月，马里兰大学计算机系 Jenna Russell 团队联合 Google DeepMind 在 arXiv 上发表了论文《StoryScope: Investigating idiosyncrasies in AI fiction》（《故事显微镜：探究 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 写作风格特征（破折号之类的）已经写了很多，但这篇论文关注的是 AI 的叙事特征。AI 和人类叙事之间存在令人着迷的差异，而且让 AI 用不同风格写作，也几乎改变不了这一点。"
短短一天，这条推文获得 31.5 万次查看，3000 多个点赞，近 600 次转发。AI 圈的学者、写作者、普通读者都被同一个问题吸引了：AI 到底会不会讲故事？
实验的规模大得惊人：他们收集了 10272 个写作提示（相当于写作题目），每个提示分别由人类作者和五个大语言模型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。
这是什么概念？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的自动化分析管道，能从 10 个维度自动归纳出细粒度的、可解释的叙事特征，涵盖情节、主体、时间结构等层面，然后对比 AI 生成的和人类写的，看看骨头架子到底有什么不同。
结果完全不看用词、句式、标点这些风格信号，仅用叙事特征，就能以 93.2% 的准确率区分人类和 AI 写作；在 " 六个作者分别是谁 " 的六类归属任务中，准确率达到 68.4%。作为对比，包含了风格线索的完整模型，准确率也就高出不到 3%。
换句话说，AI写作的 " 底层叙事逻辑 " 本身就是一张明牌。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，到底哪里不对劲？
研究团队将核心差异归纳为五个维度。
AI太爱 " 说教 " 了。AI 写的故事，就像一个生怕你读不懂的语文老师。77% 的情况下，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 故事里的对话出现哲学讨论的比例是 59%，而人类只有 34%。
更明显的是：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《百年孤独》里那样 "...... 明确提及作品名称占 50%。AI 的潜台词似乎是：" 我告诉你一个道理，你好好听着。" 人类的潜台词则是：" 你自己品。"
你可能会说，这不是很负责任吗？把道理讲清楚不好吗？问题在于，好的故事从来不靠 " 讲道理 " 打动人。托尔斯泰不会在《安娜 · 卡列尼娜》结尾写 " 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 " 放手 "，它必须把每件事都说透。
人类会 " 跳时间线 "，AI 只会一条道走到黑。人类讲故事喜欢玩花样：从葬礼开场，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 那里几乎不存在。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 故事的主角驱动型结局占 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。人类故事的结局更偏向开放式模糊结局，让读者自己去琢磨 " 然后呢 "。AI 则必须给每个角色一个交代：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 和人类分别写一个悬疑故事，人类可能从葬礼开场，再倒叙几十年前的恩怨；而 AI 会从第一条线索开始，按时间顺序一路推进到大结局，中间没有任何 " 岔路 "。
AI对 " 身体描写 " 上瘾。回到开头的测试。AI 写作最显著的特征之一：不会直接说情绪，而是用身体反应和环境描写来 " 演 " 情绪。
数据显示，81% 的情况下 AI 会通过生理感受和身体隐喻来传达情绪（人类只有 38%）。AI 使用嗅觉意象的比例高达 82%（人类 57%），还喜欢把环境设定作为角色内心状态的映射。人类作者写 " 张三害怕了 "，就是一句话。
AI 写 " 害怕 "：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（" 感到害怕 "" 很愤怒 "）的比例是 29%，而 AI 只有 8%。这暴露了一个本质问题：AI没有真正的情绪体验，它只能从训练数据中学习 " 情绪的外在表现 "，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觉。所以它的描写总有一种 " 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 " 打破第四面墙 "，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，一定猜不到接下来发生了什么…… " 这种打破 " 第四面墙 " 的写法，28% 的人类作品会用到，AI 只有 7%。
同时，人类写作提及具体文本和作者的比例几乎是 AI 的两倍（47% vs 24%）。人类能自如地在显性引用和隐性参考之间切换（37% 的人类作品是 " 混合模式 "，AI 仅 16%），而 AI 只能躲在模糊的暗指背后，仿佛生怕暴露自己 " 没读过什么书 "。
这绝不是因为 AI" 没读过 "，它的训练数据里什么书都有——而是因为它不知道什么时候该说 " 我在引用 "，什么时候该保持沉默。换句话说，AI的叙事是 " 没有读者意识 " 的叙事。它不在乎你在不在看，不在乎你能不能跟上，它只是在 " 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，而人类的故事散落在四面八方。人类的故事素材库更丰富 , 涉及更多地点、对话占比更高、更多支线融入核心主题（42% vs 21%），也更常塑造存在道德矛盾的主角（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 " 写得不好 "，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。即便你给不同的 AI 模型同一个提示词，它们写出的故事在叙事空间中的位置也惊人地接近。
每个 AI 都有自己的 " 叙事指纹 "
论文最有趣的发现来了：不同 AI 模型写故事的方式，就像不同作家的 " 笔迹 " 一样，各有各的毛病。
论文摘要中明确列出了三个模型的指纹特征—— Claude 的事件升级格外平淡，GPT 过度使用梦境序列，Gemini 默认使用外部视角描述角色。基于论文实验数据的进一步分析推断，DeepSeek 和 Kimi 也呈现出各自鲜明的叙事倾向。
什么意思呢？如果你看到一篇小说里频繁出现 " 梦境的转折 "，那八成是 GPT 写的；如果整个故事波澜不惊，情节推进像白开水，那大概率是 Claude 的手笔；如果每个角色都从外部描述，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 模型和人类中识别具体作者），准确率高达 68.4%。
更扎心的是，论文还发现：所有 AI 模型生成的故事在叙事空间中聚集在同一个共享区域，而人类故事则散布在更广阔的空间里。
也就是说，不管你是 Claude 还是 GPT，不管你的 " 写作风格 " 如何调整，你们的 " 叙事 DNA" 其实是一家人。这种 " 叙事趋同 " 现象，可能是大语言模型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 " 还有意义吗？
这项研究的出现，恰逢 " 去 AI 味 " 成为热门话题。就在论文发布的同一个月，中文互联网上掀起了关于 " 豆包体 " 的群嘲——那些 " 最 "" 非常 "" 深深地 " 满天飞的 AI 生成文本，让网友笑到打鸣。各种 " 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》被指控存在大量 "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 " 表面功夫 "。你让 AI 写 " 我很难过 " 而不是 " 一股悲伤涌上心头 "，改变不了它的叙事结构。你把所有破折号都删掉，也改变不了它偏爱单线程叙事、回避道德模糊性的 " 底层代码 "。
Ethan Mollick 在推文中特别强调："要求 AI 用不同风格写作，也几乎改变不了叙事层面的这些差异。"
这其实触及了一个更深刻的问题：AI 到底能不能 " 像人类一样 " 创作？
从风格层面看，可以。提示词写得好，AI 能模仿海明威的简洁、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，和人类有着根本性的不同——它不经历生活，不理解死亡，不知道什么是 " 欲说还休 "，所以它只能套用一个 " 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。
论文的结尾，研究团队抛出了一个值得深思的问题：随着 AI 生成文本越来越多地混入人类创作中，我们如何定义 " 原创性"？
他们公开了 StoryScope 的全部代码、10272 个写作提示，以及 51336 篇 AI 生成的叙事文本（部分提示因生成失败未纳入），供学术界进一步研究。这更像是一种 " 预警 " ——当 AI 生成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 "。
而对于每一个用 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 "，想想你到底想表达什么。因为 AI 可以帮你写出通顺的文字，但它永远无法替你经历一段人生——而后者，才是好故事的真正来源。（本文首发钛媒体 APP，作者 | 硅谷 Tech_news，编辑 | 焦燕）
