StoryScope：AIフィクションにおける特異性の調査
arXiv cs.CL / 2026/4/6
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、ディスコース（会話・文章のやり取り）レベルの物語上の選択を解釈可能な特徴空間（10次元）として誘導するパイプライン「StoryScope」を提案し、表層的な文体シグナルに頼らずに、AI生成フィクションと人間の文章を識別することを目的とする。
- 人間が書いた10,272件のプロンプトと5つのLLMによる61,608本のストーリー（各約5,000語）を用いることで、物語特徴のみで人間対AIの検出に93.2%のマクロF1を達成し、さらに6者（6種類の著者/生成元）による帰属推定では68.4%のマクロF1を達成する。
- 少数の30個の「コア」物語特徴が検出に必要な信号の大部分を捉えており、AIストーリーはテーマを過度に説明し、整った一本線のプロットを用いる傾向がある。一方で人間ストーリーは、主人公の選択においてより道徳的に曖昧さが見られ、時間的複雑性が高い。
- 著者らはさらに、モデルごとの「フィンガープリント」として特定のLLMを区別する物語特徴も報告している（例：Claudeは出来事のエスカレーションが平坦、GPTは夢のシーンを強調、Geminiは登場人物を外部から描写することを好む）。
- 全体として、執筆スタイルだけでなく、物語の構築に内在するパターンが、人間が書いたオリジナル・フィクションとAI生成テキストを意味ある形で分離し得ることを示唆している。
