Writing in Symbiosis: Mapping Human Creative Agency in the AI Era
作者: Vivan Doshi, Mengyuan Li
分类: cs.CY, cs.AI, cs.CL
发布日期: 2025-11-28
备注: Advances in Neural Information Processing Systems (NeurIPS 2025)
💡 一句话要点
通过分析人类写作风格演变，揭示人机共生时代下的创作模式
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 人机协作 大型语言模型 创意写作 风格分析 双轨演化 创作模式 AI影响 作者适应
📋 核心要点
- 现有研究对LLM影响下人类写作风格的演变模式缺乏深入分析，特别是风格多样性方面的考察。
- 该研究通过分析大规模写作语料库，揭示了主题收敛和风格差异并存的“双轨演化”现象。
- 研究识别出三种作者适应模式，构建了“创意原型图谱”，为理解人机协作下的创作模式提供了新视角。
📝 摘要（中文）
大型语言模型（LLMs）的普及引发了一个关键问题：当我们与具有说服力和创造力的机器建立日益共生的关系时，成为人类意味着什么？本文考察了创意写作中人机共同进化的模式，研究了人类的技艺和能动性如何随着机器能力的发展而适应。我们通过检查纵向写作数据中的多样化模式，挑战了风格同质化的普遍观念。利用涵盖LLM时代前后的大规模语料库，我们观察到暗示“双轨演化”的模式：围绕人工智能相关主题的主题收敛，以及结构化的风格差异化。我们的分析揭示了三种新兴的适应模式：作者表现出与人工智能风格的相似性增加，作者表现出相似性降低，以及作者在参与人工智能相关主题时保持风格稳定性。这种创意原型图谱阐明了作者身份如何与人工智能共同进化，有助于讨论人机协作、检测挑战以及保护创意多样性。
🔬 方法详解
问题定义：论文旨在研究大型语言模型（LLMs）普及后，人类在创意写作领域如何与AI协同进化，以及这种协同进化对人类写作风格和创作模式的影响。现有研究主要关注LLM对写作风格的同质化影响，而忽略了风格多样性的存在，缺乏对人机共生关系下人类创作能动性的深入理解。
核心思路：论文的核心思路是通过分析大规模的写作语料库，观察LLM时代前后人类写作风格的变化，从而揭示人机协同进化下的创作模式。论文假设存在多种适应模式，并尝试识别这些模式，构建一个“创意原型图谱”，从而更全面地理解人机共生关系对创作的影响。
技术框架：论文的技术框架主要包括以下几个阶段：1) 构建大规模写作语料库，涵盖LLM时代前后；2) 对语料库进行主题分析，识别与AI相关的主题；3) 对语料库进行风格分析，提取写作风格的特征；4) 分析作者在LLM时代前后写作风格的变化，识别不同的适应模式；5) 基于识别的适应模式，构建“创意原型图谱”。
关键创新：论文的关键创新在于：1) 提出了“双轨演化”的概念，即主题收敛和风格差异并存；2) 识别出三种作者适应模式：风格相似性增加、风格相似性降低和风格稳定性；3) 构建了“创意原型图谱”，为理解人机协作下的创作模式提供了一个新的框架。
关键设计：论文的关键设计包括：1) 语料库的构建，需要保证语料库的规模和代表性；2) 风格特征的提取，需要选择合适的风格特征，并采用有效的特征提取方法；3) 适应模式的识别，需要设计合适的聚类算法或分类器，并进行有效的评估；4) “创意原型图谱”的构建，需要选择合适的图谱表示方法，并进行有效的可视化。
🖼️ 关键图片
📊 实验亮点
研究发现，在LLM时代，作者在AI相关主题上表现出主题收敛，但在写作风格上呈现出多样化的适应模式。具体而言，一部分作者的风格与AI越来越相似，一部分作者的风格与AI越来越不同，还有一部分作者保持了风格的稳定性。这些发现挑战了风格同质化的假设，揭示了人机共生关系下创作的复杂性。
🎯 应用场景
该研究成果可应用于人机协作创作工具的设计，帮助作者更好地利用AI提升创作效率和质量。同时，该研究也为AI生成内容的检测和区分提供了新的思路，有助于维护创作领域的知识产权和原创性。此外，该研究对理解人机共生关系下的文化和社会发展具有重要意义。
📄 摘要（原文）
The proliferation of Large Language Models (LLMs) raises a critical question about what it means to be human when we share an increasingly symbiotic relationship with persuasive and creative machines. This paper examines patterns of human-AI coevolution in creative writing, investigating how human craft and agency are adapting alongside machine capabilities. We challenge the prevailing notion of stylistic homogenization by examining diverse patterns in longitudinal writing data. Using a large-scale corpus spanning the pre- and post-LLM era, we observe patterns suggestive of a "Dual-Track Evolution": thematic convergence around AI-related topics, coupled with structured stylistic differentiation. Our analysis reveals three emergent adaptation patterns: authors showing increased similarity to AI style, those exhibiting decreased similarity, and those maintaining stylistic stability while engaging with AI-related themes. This Creative Archetype Map illuminates how authorship is coevolving with AI, contributing to discussions about human-AI collaboration, detection challenges, and the preservation of creative diversity.