从语言风格转向叙事特征分析

研究团队开发了一套名为StoryScope的新方案，它基于2025年发布的叙事特征基准NarraBench。这套方法不再简单统计用了哪些词汇、哪些标点，而是直接分析情节如何推进、角色怎样塑造、场景如何搭建、是否包含子情节、时间结构如何、对话发挥什么功能，以及主题如何呈现。这些维度都具有可解释性，不像过去那种“黑箱”检测方式。

更值得关注的是它的“可解释性”优势。检测器不仅给出一个冰冷的“像AI的概率”数值，还能告诉你：这篇故事缺少子情节，时间线过于单一，人物的抉择缺乏道德上的模糊性，或者叙述者总爱跳出来替读者总结故事寓意。这意味着，我们终于能明白它为何做出这样的判断。

超过五万篇故事的对照实验

数据量也足够扎实。研究团队首先选取了10272篇人类创作的短篇小说，然后使用Gemini 2.5反向生成写作提示，再将这些提示分别交给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，共同构成了超过五万篇文本的对照数据集。

结果如何？不同模型虽然各有偏好，但这些AI故事却像一群候鸟一样，集中聚集在相似的“叙事空间”里。相比之下，人类作品的结构要分散得多，更加自由。例如，Claude写的事件升级通常比较平缓，GPT更偏爱使用梦境桥段，Gemini则倾向于从外部特征来刻画人物。模型之间确实存在差异，但它们的“叙事指纹”仍高度一致。

AI更喜欢把含义说透

来看具体数据，很有意思。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自己去体会。

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%。总体来看，AI的模式就是“过度确定”：模型倾向于把主题、情绪、人物的动机，全都一股脑儿完整地表达出来，生怕读者看不懂。

此外，AI故事还更少使用子情节、闪回和复杂的时间跳跃，人物和地点的数量也通常更少。描写恐惧时，人类作者可能只是简单写一句“他感到害怕”，模型却容易同时加入胸口发紧、冷汗直冒、灯光变暗等大量感官线索，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，里面包含大约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。

论文特别声明，不认可将Books3用于模型训练或商业生成，此次用途限定在学术分析，目的是研究人类与AI的叙事差异，为作者身份识别、检测方法和版权政策讨论提供素材。但话说回来，把受版权保护的作品反向拆解成提示，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

更有趣的是，论文自身也透露，研究人员在撰写论文的过程中，使用了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。

这个做法其实也说明了一个道理：“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出模型化的模式，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。