
大模型研究争议:AI 走进日常之后
封面示意:同一把红伞可以画出四种天气。插画是虚构的班刊封面。
假设班刊征集雨天故事。第一篇写孩子在车站等爸爸,一把红伞越过人群,最后停在陌生人头上。第二篇写奶奶沿街找丢失的红伞,认出了伞柄上自己缝的布条。小编辑很喜欢这两篇。翻到第五篇,她在目录的空白处记了一笔:“还有人写雨停以后吗?”对交稿的孩子来说,有一篇值得读的故事就够了。对要编满整期的人来说,还得看看这些故事能带读者去几个地方。
如果几位同学都让 AI 推荐了开头,两个判断完全可以同时成立:一个原本卡住的人,借到点子以后写出了更好的故事;把所有人的稿子合起来,选题却挤到了一处。但看见几把红伞,还猜不出是谁把它们带进来的。上周刚学过一篇借伞的课文,老师举例时说了雨伞,或者放学那天大家真的遇见同一个人,都说得通。要知道 AI 在这里起了什么作用,至少得看看拿到同样题目、却没收到 AI 建议的作者交了什么。
给一个人读六篇,和把所有稿件摊开
Doshi 和 Hauser 做过一项很像班刊征稿的实验。英国线上平台的参与者抽到海上、丛林或外星冒险中的一个题目,用英语给年轻读者写八句话。有的人独立写,有的人可以向 GPT-4 要一个三句话的故事点子,还有人最多可以要五个。题面之外,这个按钮就是研究者随机改变的条件。最后进入分析的有二百九十三篇,人和故事一一对应。所谓“给年轻读者写”,说的是目标读者年龄,不能据此把作者当成中学生。原文图 1 与写作方法
接下来的读稿方式很要紧。另招的六百名读者每人读六篇,一次看一篇,先评新颖性等项目,再接触作者是否用过 AI 的信息。读者可以觉得某个结尾很意外,即便还有十个读者在别的故事里遇见过相似的结尾。以独立写作组为基准,最多可要五个点子那组,作品的新颖性评分平均高了约百分之八点一。这是评分相对基准均值的变化;实验并没有记录一个班有多少人从“不及格”跨进“优秀”。而且真正落笔的始终是人,这个结果算在人拿着建议写出来的故事上。原文图 2 与基准组对照
要回答小编辑的问题,研究者把同一批稿换了一种读法。他们把每篇故事编码成一串表示内容的数,拿出其中一篇,求出同一写作条件下其余故事的平均表示,再看这篇与那个平均有多接近。两种可以要点子的组,都比独立写作组更靠近各自的中心。中心可以理解为许多篇稿子的共同倾向,并没有哪位同学真的写出了那篇“平均故事”。这个做法也不会告诉你两个人是否照抄了一句话,更不能指认哪篇该退出班刊。原文图 4 与相似度计算

方法示意:左边可以问单篇读起来如何,右边可以问这一组覆盖了哪些想法。两栏并列,无流程箭头;卡片数量、颜色和位置均不代表论文数据。
可以多要几个点子,为什么还会靠得近?
想想那个最多可以点五次的按钮。等了很久还没写出第一句的人,看到一个可行的开端,终于有东西可以取舍。已经打好腹稿的人,也许看完建议就把窗口关了。研究者在写作前请参与者列出意思尽量相距很远的词,再看这项联想任务的表现与评分改善有什么关系。起初联想得分较低的人,作品评分从建议中得到的提升更明显。一次写作前的小测,只提供这项任务上的起点;家长没法由此判定哪个孩子“缺少创造力”。原文图 3
还有另一条可能的路。只要起点具体到可以直接往下写,人就有理由接着走。把纸面上原来的“下雨”改成“伞骨夹着一张车票”,下一句很容易就去追问车票是谁的。哪怕每人收到的车票颜色和目的地都不一样,失主、线索、重逢仍可能一起进入好几篇稿子。这段是示例。论文做过更克制的检查:对叫过建议的人,把成稿和他首先看到的点子比较;对没有建议的人,配上一个同题目里别人收到的点子。能叫建议的两组,故事与配对点子的相似程度都更高。这个结果给“起点留下痕迹”的解释增加了分量,作者本人究竟出于认同、赶时间还是想不到别的方向,仍然无从分辨。原文图 4 及其说明
尤其值得留意“最多”两个字。能要五次的那组平均只要了二点五五次。随机分配的是界面给多少次机会,实际点多少次由作者自己决定。拿点满的人和只点一次的人比较,可能正好把犹豫更久、或者更愿意尝试的作者挑进了前一组。由论文推不出“每多问一次,作品就好一点”,也推不出每个作者都收到同一个点子。研究用统一问法生成建议,学生能把自家楼下那辆总漏雨的早餐车写进提问时,起点已经变了。原文结果与讨论
同样可以用 AI,只换谁想第一步
有个比“用或不用”更接近日常的选择。你想到一个比喻却说不清它好在哪里,可以请 AI 帮你解释;也可以在还没有比喻的时候就让它列几个。Dong 和 Yakura 把这两件事拆开,在一项预注册研究中招募了六百四十四名英语母语或非母语写作者,每人面对四个情境。其中一个情境是回想最无聊的一堂课,用比喻表达坐在那里的感觉。有人全程自己写,有人一开始就能得到比喻和解释,有人必须先交出自己的比喻,才会收到针对解释的建议。最终汇入比较的文字都是英语。作者预印本,图 1 与方法
把这项作业沿着“比喻”和“解释”之间剪开,会得到两种读法。研究者先只拿比喻本身来比,在同一情境里,由 AI 提议比喻的作品更集中;先由人想到比喻的那组,与独立写作组之间没有检出明确差异。接着把后面的解释也放回去,先由人想比喻的那组同样显得更集中。读者手上明明是同一批作业,选取的文字稍有不同,能支持的判断就变了。前一个结果也不能证明两组完全一样,这篇报告仍是预印本。作者预印本,图 2、补图 S1 与表 S1
举个虚构的例子。一个人说无聊的课像等一锅迟迟不开的水,另一个人说像坐在一辆每站都停、却没有人上下的车里。这是两个颇有各自生活痕迹的联想。要是两篇解释都以“时间被无限拉长,每一分钟都显得格外漫长”收尾,看整段会觉得像,遮住说明再看,两个人各自看见的东西依然很鲜明。反过来,把同一锅水描绘得一个文雅、一个俏皮,语气变了,也未必给编辑增加了一条新线索。批注“跟别人很像”以前,最好能指出像在何处。
一篇能跨好几种类型,一摞却可能总是那几种
八句话毕竟短。如果给作者一千个英文词,留出铺垫和反转的余地,问题还在吗?Hosanagar 和 Ahn 的课堂研究有二百八十五名学生参与。第一天独立写作,第二天另写一个故事,随机采用三种协作方式之一。有的人让 AI 从点子、提纲一路写到修订,自己负责确认或要求改动;有的人先自己定点子和提纲,再交给 AI 起草和编辑;还有人从头到尾都能与它商量。这里最值得比的是第二天三种分工。把第二天和第一天直接相减,还会把多练了一天以及先后顺序的影响算进去。正式论文;作者稿方法与图 4
研究者允许一个故事同时带多个类型标签,再看同组稿件的标签组合有多相似。人主要负责确认时,单篇可以兼有更多类型,整组的类型组合却更接近。这个现象不难想象:若每个孩子都写了“科幻加悬疑”,每篇都有两样,全班还是只供得出一种搭配。作者稿还分别比较了全文的语义和类型标签。由人先定提纲时,类型组合的相似度接近独立写作的基准,全文仍可更相像。一张按类型统计的目录,回答不了故事的句子和转折究竟还有多少种写法。作者稿图 4B、4C
这也给“好”字划了一道边。如果老师布置的是同题仿写,大家都把同一种转折写得更熟练,正合练习的目的。如果是在给校庆征集可以上台的独幕剧,编辑已经有三篇靠误会推动的戏,第四篇就算对白精彩,也许仍排不进来。选不选这篇涉及整台节目还少什么,没必要倒过来给作者扣分。上述研究能帮我们看见某种分工下作品分布怎样变化,没人跟着这一班孩子过了一个学期,再让他们关掉工具写一个全新的故事。今天目录上的那几把红伞,还不能替明年的孩子回答。
编目录时,多留一行空白
有一项不用跑模型的自查,下次收几篇同题稿就能试。这个做法是给读者的建议,本文没有实际执行。先遮住署名和工具记录,逐篇标出一个最值得保留的细节。另拿一张纸,每篇只留一句能说明“谁遇到了什么麻烦,又做了哪件事”的梗概,尽量沿用作者的动词。读完整摞后,把换个姓名就能相互替代的梗概摆到一起。若两位小编辑分法不同,正好请他们各选一对稿说明理由:是都写了雨伞,还是都靠捡到失物推动情节?两种分法都说得通,却服务于不同的选稿目的。
还有一种容易漏掉的情况:编辑平时只看老师挑出来的几篇佳作。倘若老师特别喜欢在最后一句揭晓谜底,入选的故事很可能篇篇有反转。只凭入选稿,没法知道最初交上来的稿子有多像。做这个练习时,留着几篇没有入选的作品,或者干脆用抽签决定拿哪几篇;若只拿得到已经印出来的班刊,就把问题收窄到这一期给读者提供了哪些选择。这样,即使没有任何一位同学愿意说自己用没用工具,编辑仍然有一个可以诚实回答的问题。
最后看那行空白。假如抽掉红伞,留下的仍有等人、认物、躲雨和故意淋雨,目录比封面热闹得多。要是拿掉物件以后好几篇只剩同一个转折,可以先问作者一句:“你本来还想过哪一种收场?”愿意继续试的同学,把自己的另一个收场写在便条上,再请 AI 帮忙看哪里讲不通。把便条留到下一次编稿,就能回头看清哪一点是自己先想到的,哪一点在对话里才出现。这个小动作回答不了全班究竟受了多大影响,但它能把编辑的下一句批语,从笼统的“写点新意”,变成作者确实能接着写的一个问题。
参考资料
- Anil R. Doshi、Oliver P. Hauser(2024),Generative AI enhances individual creativity but reduces the collective diversity of novel content,发表于 Science Advances。期刊全文
- Mengchen Dong、Hiromu Yakura(2026),Human diversity fuels collective creativity that large language models cannot simulate or sustain,7 月 arXiv 预印本。原稿
- Kartik Hosanagar、Daehwan Ahn(2026),Designing human and generative AI collaboration: Trade-offs in productivity, satisfaction, and creative diversity,发表于 PNAS Nexus。上文图号与方法细节按 2025 年作者稿 v2。期刊记录;作者全文
作者作品推广
除了写技术博客,我也在做一些让日常更有条理的小工具,欢迎了解我独立开发的两款 App:
- 日常收支小记:记下收支,也给每一笔钱安排好去处。记录日常账目,安排预算与储蓄目标。在 App Store 了解。
- 一事微光:从一件小事开始,让今天多一点微光。按当下的时间和精力选择行动,记录完成后的感受与发现。在 App Store 了解。
更多技术文章和个人作品,欢迎来我的网站:zffjzz.top。也欢迎把使用感受告诉我,让这些小工具慢慢变得更好。