用叙事结构而非文风区分 AI 小说：6 万篇对照语料实现 93% 准确率

arXiv 上线的研究《StoryScope: Investigating Idiosyncrasies in AI Fiction》尝试绕开「文风」这一表层信号，转而从话语级叙事选择（如角色主体性、时间线结构、主题阐释方式）入手，区分 AI 生成小说与人类原创作品。论文构建了一个名为 StoryScope 的自动分析管线，在包含 10,272 个写作提示、覆盖人类作者与 5 个大模型的对照语料上，抽取每篇约 5,000 字、共 304 项叙事特征，最终仅凭叙事特征就达到 93.2% 的宏观 F1，保留了含文风线索模型 97% 以上的检测能力。

研究方法

StoryScope 将叙事特征归纳为 10 个可解释维度，覆盖情节推进、角色选择、时间结构等话语层信号。语料来自 10,272 条写作提示，每条分别由人类作者与 5 个 LLM 各完成一篇，总计 61,608 篇约 5,000 字的故事。论文比较了仅用叙事特征、仅用文风特征、以及两者结合三种分类器在「人 vs AI」二分类和「六分类作者归属」上的表现。

核心发现

叙事特征单独使用时即可完成高准确率的 AI 检测与作者归属任务，二分类宏观 F1 为 93.2%，六分类作者归属为 68.4%。进一步压缩到 30 个核心叙事特征后，分类性能仍能保留大部分信号。论文据此归纳出 AI 与人类写作的系统性差异：

• AI 倾向于过度阐释主题，情节走向更「干净」、单一轨道；
• 人类作品更强调主角选择的道德模糊性，时间结构也更复杂；
• AI 故事在叙事空间中聚集到相似区域，人类作品则分布更分散。

各模型的「指纹」差异

论文还提取了每个模型特有的叙事指纹，用于六路作者归属任务。论文给出了一些示例性观察：

• Claude 生成的故事事件升级较为平缓；
• GPT 过多使用梦境段落；
• Gemini 默认依赖外部人物描写。

这些差异说明，不同 LLM 在叙事层面也存在可识别的风格化倾向，而不仅停留在词句层面。

意义与局限

研究将 AI 文本检测从「文风指纹」推进到「叙事结构指纹」，对内容审核、学术诚信、文学评价等场景具有参考价值。不过论文也指出局限：语料基于特定写作提示集，结论能否泛化到更长篇、更自由的创作仍待验证；同时，模型迭代可能改变其叙事指纹，检测方法需要持续更新。原文可在 arXiv（编号 2604.03136）查阅。