StoryScope：探究AI小说中的独特性
计算与语言
2026-04-15 v4
摘要
随着AI生成小说日益普及，作者身份与原创性问题正成为书面作品评估的核心。虽然该领域的大多数现有工作侧重于识别AI写作的表面层特征，我们转而询问AI生成的故事是否能在不依赖风格信号的情况下与人类作品区分开来，重点关注话语层面的叙事选择，如角色能动性和时间不连续性。我们提出了StoryScope，一个自动生成细粒度、可解释的话语层面叙事特征空间的流水线，涵盖10个维度。我们将StoryScope应用于一个包含10,272个写作提示的平行语料库，每个提示由一位人类作者和五个LLM撰写，产生61,608个故事，每个约5,000词，每篇提取304个特征。仅叙事特征即可实现93.2%的人类vs.AI检测macro-F1和68.4%的六路作者归属macro-F1，保留了包含风格线索模型97%以上的性能。一组30个核心叙事特征捕捉了大部分信号：AI故事过度解释主题并偏好整洁的单线叙事，而人类故事将主角选择框定为更具道德模糊性的情境，并具有更高的时间复杂性。每模型指纹特征可实现六路归属：例如，Claude产生明显平缓的事件升级，GPT过度依赖梦境序列，Gemini默认采用外部角色描述。我们发现AI生成的故事在叙事空间中聚集于共享区域，而人类创作的故事展现出更大的多样性。更广泛地说，这些结果表明，底层叙事构建的差异——而不仅仅是写作风格——可用于区分人类原创作品与AI生成小说。
引用
@article{arxiv.2604.03136,
title = {StoryScope: Investigating idiosyncrasies in AI fiction},
author = {Jenna Russell and Rishanth Rajendhran and Chau Minh Pham and Mohit Iyyer and John Wieting},
journal= {arXiv preprint arXiv:2604.03136},
year = {2026}
}