StoryScope揭示AI小说叙事特征

近期，一篇发表于2026年语言建模会议的论文StoryScope探讨AI小说为何常让人感到“太整齐”。研究团队收集10272个写作提示，将人类作家的作品与Claude、DeepSeek、Gemini、GPT、Kimi生成的版本配对，共获61632篇约4700字故事。团队没有只比较词汇和句式，而是用模型抽取人物、动机、事件、场景和时间线，形成304项叙事结构特征，并用分类器识别文本来源。结果显示，即使排除风格指标，仅凭故事结构也能以93.2%的宏F1区分人类与AI文本；在六类来源细分中，宏F1为68.4%。论文发现AI故事更常直接点明主题，比例为77%，人类为52%；更倾向单线因果，79%的AI故事没有支线，人类为57%；也更常由主角选择解决冲突，比例为69%，人类为46%。同时，AI更依赖身体感受表达情绪，比例为81%，人类为38%。研究者还用LAMP方法编辑278篇Gemini故事，删除常见AI痕迹，分类准确仅从95.5%降至93.9%，说明叙事结构比表层文风更稳定。不过该研究针对长篇小说，且部分特征由语言模型标注，结论不自动适用于邮件、社媒或短篇文本。整体来看，研究提示AI生成文本的问题可能不在个别用词，而在过于规整、过度和解的叙事偏好，也为更可信的内容检测和创作提示改进提供新路径。