一篇小说如果三分之二的篇幅都在借叙述者的嘴告诉你"这个故事的意义是什么"，读者八成会觉得哪里不对劲。马里兰大学与Google DeepMind的研究者刚把这种"哪里不对劲"变成了一个可以量化的数字：AI生成的短篇小说里，77%会由叙述者明确点出主题，人类作者笔下这个比例只有52%。
这项名为StoryScope的预印本研究，把AI写作检测从"数破折号、数‘delve’"这类表层文风比对，往前推了一步：不再看AI怎么"说话"，而是看AI怎么"讲故事"。研究团队分析了六万余篇、每篇约5,000词的故事样本后，得出的结论很直白——AI小说好认，不是因为文笔差，而是因为骨架太规整。
不数破折号，数骨架：三个数字定义AI小说的套路
StoryScope把每篇小说拆解成304项可解释特征，覆盖情节推进、人物塑造、场景设定、时间结构等10个维度，这套分类法脱胎于2025年的叙事学基准NarraBench。除了开头那组说教率，研究还挖出两处同样扎眼的差距：AI小说里对话服务于"哲学辩论"的比例是59%，人类小说只有34%；提到其他作品时，AI有72%的情况是模糊指代（比如"某位诗人写过"），人类作者敢直接点名书名和人名的比例更高，具名引用占50%。
- 结论.三组数字指向同一件事——AI更急着把意义"喂"给读者，不敢把判断权交给情节本身。
Claude爱铺垫，GPT爱做梦，Gemini盯着长相写
具体到模型，StoryScope还挖出了各家的"笔癖"。测试覆盖五款模型——Gemini 3 Flash、DeepSeek V3.2、Claude Sonnet 4.6、Kimi K2.5、GPT 5.4，生成方式是先用Gemini 2.5把10,272篇人类原著"逆向工程"成写作提示，再分别喂给这五款模型各写一遍。
Claude的问题是事件升级"扁平"——冲突堆上去了，张力却起不来；GPT偏爱用梦境桥段推进叙事；Gemini则习惯靠角色外貌描写撑场面，而不是靠行动和对话塑造人物。这些标签一旦公开，等于给每家模型都贴了一块可被针对性修补的软肋——下一代模型会不会照着补课，是这项研究没法回答、但值得盯住的变量。
AI不是文笔差，是骨架太整齐
检测AI靠的是盗版书库，这是个悖论
StoryScope的语料底子是Books3——一个收录约183,000本书的盗版电子书数据库，已经因为被用来训练大模型而卷入针对Nvidia等公司的多起版权诉讼。研究团队从中挑出10,272篇经典短篇小说原文，作者名单里有乔伊斯·卡罗尔·欧茨、斯蒂芬·金、路易斯·拉摩尔、夏洛特·帕金斯，还有以维权出名、曾告赢詹姆斯·卡梅隆抄袭《终结者》的哈兰·艾利森。
总样本量是61,608篇，其中人类原作10,272篇，其余51,336篇是五款模型生成的AI故事——报道里说的"超过5万篇"，说的正是这部分，口径是对得上的，只是原文没把这层拆开讲清楚。
研究者Jenna Russell告诉404 Media，这份数据集"有争议，所以我们没有公开它"。论文里也加了免责声明：不认可用Books3训练模型或做商业文本生成，使用范围仅限学术研究。问题是，声明能撇清"用途"，撇不清"来源"——检测AI能不能剽窃人类创作独特性的工具，恰恰是靠一批盗版来的人类作品训练出来的，这个悖论不会因为一句免责声明就消失。
- 风险.用盗版语料做学术评测和用它训练商业模型之间的法律边界目前并不清晰，相关诉讼的走向可能反过来影响这类研究能不能继续做下去。
检测能管多久：下一代模型会不会照着补课
Russell本人还是AI检测公司Pangram的实习生。这层关系不代表研究结论有问题，但读者该知道，"叙事结构检测"这套思路一旦成熟，很可能不会止步于论文，而是流向商业化的检测产品——论文作者除Russell外，还有Rishanth Rajendhran、Chau Minh Pham、Mohit Iyyer（均来自马里兰大学）和John Wieting（Google DeepMind）。
更现实的限制是，StoryScope测的只是五款模型在某个时间点上的表现，是一张快照，不是一条定律。如果厂商往后训练里加一道"增加道德模糊性、打乱时间线"的工序，这套检测法的准确率会掉多少，论文没有回答。
对出版社、平台审核和文学奖评委来说，这项研究提供的是一套可指认的判断依据——不是"我觉得像AI写的"，而是"这篇故事的说教率、对话说理化程度和引用模糊度落在AI的典型区间里"。Russell自己给出的落点更朴素：老师想知道学生是不是真懂了这堂课，读者想确认一篇动人的故事背后，创造力真的来自人类作者。检测和生成永远是猫鼠游戏，今天能抓住的漏洞，未必能抓住明年的模型。