2026 年 10 月 19 日
康奈尔大学的一项最新研究揭示，当前主流大型语言模型（LLM）在生成虚构故事时表现出显著的同质化倾向。研究发现，近 90% 由 ChatGPT、Claude 等 LLM 生成的小说中，至少包含“灯塔”、“守望者”以及“伊利亚斯”、“玛拉”、“埃拉拉”等 11 个高频重复词汇之一。其中，超过半数的人工智能生成故事以灯塔为背景。
AI 叙事的模式固化
该研究由康奈尔大学安·S·鲍尔斯计算与信息科学学院信息科学教授大卫·米姆诺（David Mimno）及其同事塞尔·汉密尔顿（Ser Hamilton）共同完成。团队向四款主流大语言模型——ChatGPT、Claude、Gemini 以及艾伦人工智能研究所的 OLMo——输入了多种变体的“讲个故事”指令。
在分析随后生成的 20,000 篇 AI 故事后，研究人员发现了一种明显的叙事模式：LLM 倾向于复用特定的角色名字，赋予角色固定的职业设定（如看守人、面包师或市长），并将场景局限于工坊或灯塔等特定地点。
其中一个典型的故事样本写道：“世界尽头的灯塔并不指引船只；它向星星发出信号……伊莱亚斯已经是 40 年的守护者。他是一个由盐、孤独和节奏滴答声组成的人。”汉密尔顿指出，这些故事的情绪基调往往呈现出一种模糊的前现代风格。
“模式崩塌”与训练数据溯源
尽管这些主题在 AI 生成的故事中频繁出现，但它们并未广泛存在于现有的文学文献或用于训练模型的原始数据集中。研究人员将这种现象称为“灯塔”故事的异常涌现。目前学界认为，造成这一现象的主要原因可能是“模式崩塌”（Mode Collapse），即 LLM 在缺乏足够多样化引导时，默认收敛于相似的主题。
此外，研究还指出，当前的 LLM 开发重点主要在于代码编写而非创意写作，导致模型开发者未优先调整模型以优化创造性输出。
关于“灯塔守护者伊利亚斯”这一形象的具体起源，研究人员推测其源自康奈尔大学计算机科学家于 2024 年开发的 WildChat 数据集。WildChat 包含了 100 万条真实的人机对话记录，常被用于训练或作为其他训练套件的种子数据，进而影响当今最强大 LLM 的构建。
汉密尔顿表示：“根据时间线分析，我们相当确定 WildChat 是这种现象的原始来源。”他在 WildChat 的数据中发现了少量涉及此类主题的对话片段。然而，令人困惑的是，训练数据中的故事类型和名称本应非常多样化，但 LLM 最终生成的故事却高度趋同。具体原因仍有待未来研究进一步探索。
相关论文《伊利亚斯在灯塔，再次？在 LLM 故事中诊断低多样性》（Elias at the lighthouse, again? Diagnosing low diversity in LLM stories）已于 2026 年发布在 arXiv 预印本服务器上（标签：10.48550/arxiv.2605.26492）。该研究成果计划于 2026 年 10 月在匈牙利布达佩斯举行的自然语言处理实证方法会议上正式展示。
