“AI味”不是在一句话里，而是渗透了所有的文字

本文来自微信公众号： APPSO ，作者： APPSO ，原文标题：《“AI 味”不是在一句话里，而是渗透了所有的文字》，题图来自：AI生成

相信很多人现在见到“不是……而是”，已经会下意识 PTSD 了：这是不是 AI 写的？还有各种破折号，冒号，以及经典版本“稳稳地接住你”“我用最直白的话，不绕弯子地告诉你”……

当然，这些不断被总结出来的“AI 用语”也在不断失效，可能是模型升级一次，或者让另一个模型改写一遍，常见词汇、句式和标点都可以被洗掉。来自马里兰大学和 Google DeepMind 的一组研究者于是换了一个问题：如果完全不看遣词造句，只看一篇作品怎么安排人物、情节和时间，还能认出 AI 吗？

能的，兄弟，能的，甚至有些 AI 的写作习惯，比它爱用哪些词更稳定。

给五个 AI 同一道作文题

这项名为 StoryScope 的研究考察的是 AI 在英文虚构方面的写作，研究者先从 Books3 中取出 10272 篇人类创作的短篇小说，再从每篇小说反推出一道包含相似人物、设定与主题的写作题，分别交给 Claude、DeepSeek、Gemini、GPT 和 Kimi 重写。算上原作，最终得到 61608 篇平均约 4753 词的故事。

接下来，研究者把所有文章拆成一张张“叙事体检表”：人物是否主动解决问题，冲突如何升级，故事是否穿插支线，时间有没有跳跃，秘密在什么时候揭晓，结局是否留有余地……十个维度一共提炼出 304 项特征，但不再记录某个词用了几次、句子有多长。

只凭这些看不见文风的叙事特征，分类器区分人类与 AI 故事的 macro-F1 就达到 93.2%。换句话说，AI 即使换掉表面的语气，故事的骨架仍然可能暴露自己是 AI。

AI 太努力，也太完整

在这些样本里，AI 最明显的习惯是把意思说透。AI 叙述者有 77%的概率亲自解释主题，人类作品为 52%；AI 还更爱让人物借对话讨论人生道理，比例达到 59%，人类只有 34%。一个角色经历悲伤之后，故事往往还要替他总结究竟学会了什么。

情节也更像一道必须完整作答的题：79%的 AI 故事没有支线，人类作品为 57%，乍一听上去还有点反直觉，拥有所有统计树可能性的 AI 反而不爱写支线。

反而人类作者则更愿意把故事弄乱一点，使用更多倒叙、插叙和时间跳跃，留下彼此平行的支线，也更常把主角放在道德不明确的位置。以最近热门的国漫《八仙！》为例，所有人物都是“不完美”主角，观众也会因为观看他们的遭遇，而在自己心里反复立场横跳。

当反转揭晓，AI 更倾向于让人物获得理解、接受现实，简单来说就是 AI 也爱“包饺子”结局。69%的 AI 故事里，模型喜欢让主角做出一个明确决定，并让这个决定成为故事闭环的钥匙。人类作品中这一比例为 46%，更常让偶然、他人和环境共同左右结果，甚至容许主角做一些看上去“啥也不是”的决定。

比如诺兰执导的电影版《奥德赛》，对原著进行了现代化的重构，将重点放在了战争创伤与自我救赎上，结局也发生了颠覆性的改变，这使得观众重新理解这个古老的故事，当然也引发了争议。

描写中，AI 把“不要直接说感受，要展示感受”执行得过于认真，它有 81%的概率，直接通过描写用身体反应和隐喻表达情绪，而且特别“八股”：写恐惧时，胸口要收紧，冷汗要渗出，拳头要握紧，灯光要暗下来。

人类反而更可能直接写一句“他害怕了”，只有 38% 概率要借助更细节的表达。

不同的模型也有不同，勉强可以称为“风格”不同吧。Claude 的冲突升级最平缓，偏爱尾声和安静的结局；GPT 喜欢让八卦与传闻推动剧情；Gemini 喜欢干净整洁的结尾；DeepSeek 习惯早早就交代关键信息；Kimi 的个性最少，处在 AI 叙事分布的中心。

但整体来看，这些都差不多，从分布图上能看到，五个模型的故事集中在相近的叙事区域，人类作品则分布得更远、更离散。在全部故事中，24.7%的人类作品进入“最罕见的 10%”，AI 作品只有 7.1%。

“AI 味”从来不在某一句话里

研究者还特意给 278 篇 Gemini 故事做了一轮去 AI 味处理，删掉陈词滥调、冗余解释和华丽废话，改写之后，依靠叙事结构的识别成绩仅从 95.5%降到 93.9%。词句变了，因果链、主题解释和结局收束却没有一起改变。

这也是为什么可能你看某个 AI 生成的小短文，开头没察觉，进入情节也没察觉，但看到最后，总觉得哪儿哪儿透着一股别扭，一琢磨：这会不是 AI 写的吧！

这项研究只证明了英文虚构故事里的差异，不能直接拿来判断新闻、评论或者公众号文章等其它更丰富的写作体裁，但它提供了一个比寻找“AI 口头禅”的更深远的角度。

一直以来，我们习惯从具体行文鉴 AI，爱用破折号，频繁使用“并非……而是”，每一节都规整地提出问题、给出解释、上升价值。这些观察没有错，只是它们抓到的可能是最容易被修改的一层，只要模型学会禁用某个词、打散几个句式，这套清单便会迅速过期。

更难洗掉的，也许不是 AI 怎么写一句话，而是它认为什么值得写。在议论文体例里，它是不是急着把主题摆出来，是否把复杂问题压成单线因果，结尾是不是爱替读者总结意义，又是否允许一篇文章留下无用的支线、没有解释的细节和无法闭合的矛盾。

到了这一层，鉴 AI 远不只是从文章里圈出几个可疑词汇，需要读者留心整篇文章如何被构想出来——在今天快餐阅读的时代，连读完两千字都已经并不容易，对整体性有感受可谓是难上加难。

可是这种“整体性”其实更重要，我们习惯于纠缠在字和句上，却忽略了文字作品里，谋篇与布局才是真正承载着作者思考和表达的通路。

《文心雕龙》里说，“意授于思，言授于意，密则无际，疏则千里”，意思是：写作是从思考到意旨，再从意旨落实为语言；两者之间紧密相连，可以浑然无间，而小小的疏忽，最终也可能让表意相差千里。