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

先做個小測試。

讀下面這段話：

“他感到胸口發緊，冷汗順著脊背滑落，周圍的燈光似乎暗了下來。空氣中彌漫著一種說不清的氣息，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，但他就是覺得不對勁。他想起了小時候外婆講的那個故事。”

直覺告訴你，哪段是AI寫的？

大概率是第一段。因為你已經“進化”出了鑒別AI寫作的雷達——那些過度描寫感官體驗、把“恐懼”包裝成一堆生理反應的文字，怎么看怎么像ChatGPT的手筆。

過去一年，網上充斥著各種“AI寫作鑒別指南”：愛用破折號？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“風格特征”——換一套提示詞就能輕松繞過。很多人相信，只要會“調教”AI，就能讓機器寫出和人類別無二致的文字。

但馬里蘭大學和Google DeepMind的團隊告訴你：別費勁了，AI寫故事的“底層操作系統”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“文學解剖”實驗

2026年4月，馬里蘭大學計算機系Jenna Russell團隊聯合Google DeepMind在arXiv上發表了論文《StoryScope: Investigating idiosyncrasies in AI fiction》（《故事顯微鏡：探究AI小說的特質》）。

5月28日，沃頓商學院教授Ethan Mollick在X上分享了這篇論文，配文說：“關于AI寫作風格特征（破折號之類的）已經寫了很多，但這篇論文關注的是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用不同風格寫作，也幾乎改變不了這一點。”

Ethan Mollick于2026年5月28日在X上分享的論文核心圖表，獲得31.5萬次查看

短短一天，這條推文獲得31.5萬次查看，3000多個點贊，近600次轉發。AI圈的學者、寫作者、普通讀者都被同一個問題吸引了：AI到底會不會講故事？

實驗的規模大得驚人：他們收集了10272個寫作提示（相當于寫作題目），每個提示分別由人類作者和五個大語言模型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個敘事特征。

這是什么概念？相當于把六萬多部小說的“骨架”一根根拆開，放在顯微鏡下比對，從情節結構、角色能動性、時間連貫性到對話密度，無所不包。

研究團隊開發了一個名為StoryScope的自動化分析管道，能從10個維度自動歸納出細粒度的、可解釋的敘事特征，涵蓋情節、主體、時間結構等層面，然后對比AI生成的和人類寫的，看看骨頭架子到底有什么不同。

結果完全不看用詞、句式、標點這些風格信號，僅用敘事特征，就能以93.2%的準確率區分人類和AI寫作；在“六個作者分別是誰”的六類歸屬任務中，準確率達到68.4%。作為對比，包含了風格線索的完整模型，準確率也就高出不到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都刪掉、把所有“首先其次最后”換成口語化表達，你的敘事骨架依然會出賣你。

AI寫故事，到底哪里不對勁？

研究團隊將核心差異歸納為五個維度。

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

更明顯的是：AI對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》里那樣”......明確提及作品名稱占50%。AI的潛臺詞似乎是：“我告訴你一個道理，你好好聽著。”人類的潛臺詞則是：“你自己品。”

你可能會說，這不是很負責任嗎？把道理講清楚不好嗎？問題在于，好的故事從來不靠“講道理”打動人。托爾斯泰不會在《安娜·卡列尼娜》結尾寫“這個故事告訴我們，出軌沒有好下場”——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“跳時間線”，AI只會一條道走到黑。人類講故事喜歡玩花樣：從葬禮開場，然后倒敘幾十年前的事情，再突然閃回到現在。這種非線性敘事在AI那里幾乎不存在。數據顯示：79%的AI故事“沒有支線情節”，而人類故事的這個比例是57%。AI故事的主角驅動型結局占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。人類故事的結局更偏向開放式模糊結局，讓讀者自己去琢磨“然后呢”。AI則必須給每個角色一個交代：主角要么頓悟了，要么接受了現實（占47%），而人類只有27%會這么做。

研究團隊舉了個生動的例子：讓AI和人類分別寫一個懸疑故事，人類可能從葬禮開場，再倒敘幾十年前的恩怨；而AI會從第一條線索開始，按時間順序一路推進到大結局，中間沒有任何“岔路”。

AI對“身體描寫”上癮。回到開頭的測試。AI寫作最顯著的特征之一：不會直接說情緒，而是用身體反應和環境描寫來“演”情緒。

數據顯示，81%的情況下AI會通過生理感受和身體隱喻來傳達情緒（人類只有38%）。AI使用嗅覺意象的比例高達82%（人類57%），還喜歡把環境設定作為角色內心狀態的映射。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簽（“感到害怕”“很憤怒”）的比例是29%，而AI只有8%。這暴露了一個本質問題：AI沒有真正的情緒體驗，它只能從訓練數據中學習“情緒的外在表現”，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——就像一個人從沒吃過檸檬，卻要寫檸檬的酸味。

人類會“打破第四面墻”，AI只會悶頭寫。人類作者有一個AI學不會的絕活：和讀者直接對話。“你，親愛的讀者，一定猜不到接下來發生了什么……”這種打破“第四面墻”的寫法，28%的人類作品會用到，AI只有7%。

同時，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”。

這絕不是因為AI“沒讀過”，它的訓練數據里什么書都有——而是因為它不知道什么時候該說“我在引用”，什么時候該保持沉默。換句話說，AI的敘事是“沒有讀者意識”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”。

AI的故事“撞臉”嚴重。AI生成的故事在“敘事空間”中擠作一團，而人類的故事散落在四面八方。人類的故事素材庫更豐富,涉及更多地點、對話占比更高、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”。它被困在一個狹窄的“默認敘事模板”，出不來。即便你給不同的AI模型同一個提示詞，它們寫出的故事在敘事空間中的位置也驚人地接近。

每個AI都有自己的“敘事指紋”

論文最有趣的發現來了：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模型的指紋特征——Claude的事件升級格外平淡，GPT過度使用夢境序列，Gemini默認使用外部視角描述角色。基于論文實驗數據的進一步分析推斷，DeepSeek和Kimi也呈現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“夢境的轉折”，那八成是GPT寫的；如果整個故事波瀾不驚，情節推進像白開水，那大概率是Claude的手筆；如果每個角色都從外部描述，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AI模型和人類中識別具體作者），準確率高達68.4%。

更扎心的是，論文還發現：所有AI模型生成的故事在敘事空間中聚集在同一個共享區域，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“寫作風格”如何調整，你們的“敘事DNA”其實是一家人。這種“敘事趨同”現象，可能是大語言模型訓練范式的某種固有問題——它們都從相似的語料中學習“什么是一個好故事”，然后得出了相似的結論。

“去AI味”還有意義嗎？

這項研究的出現，恰逢“去AI味”成為熱門話題。就在論文發布的同一個月，中文互聯網上掀起了關于“豆包體”的群嘲——那些“最”“非常”“深深地”滿天飛的AI生成文本，讓網友笑到打鳴。各種“消除AI味的不完全手冊”也應運而生。與此同時，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”，文學界的AI寫作爭議愈演愈烈。

但StoryScope的結論潑了一盆冷水：改詞匯、換句式、調標點，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構。你把所有破折號都刪掉，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在推文中特別強調：“要求AI用不同風格寫作，也幾乎改變不了敘事層面的這些差異。”

這其實觸及了一個更深刻的問題：AI到底能不能“像人類一樣”創作？

從風格層面看，可以。提示詞寫得好，AI能模仿海明威的簡潔、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“標準的故事模板”。

這或許才是AI寫作和人類寫作之間，最難以跨越的鴻溝。

論文的結尾，研究團隊拋出了一個值得深思的問題：隨著AI生成文本越來越多地混入人類創作中，我們如何定義“原創性”？

他們公開了StoryScope的全部代碼、10272個寫作提示，以及51336篇AI生成的敘事文本（部分提示因生成失敗未納入），供學術界進一步研究。這更像是一種“預警”——當AI生成的文字洪水般涌入文學市場時，我們需要一套能穿透表層、直達敘事底層的“照妖鏡”。

而對于每一個用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”，想想你到底想表達什么。因為AI可以幫你寫出通順的文字，但它永遠無法替你經歷一段人生——而后者，才是好故事的真正來源。（本文首發鈦媒體APP，作者 | 硅谷Tech_news，編輯 | 焦燕）