一篇 CS 论文给「创造力」拆了 5 层，文学的「借鉴」与「创新」终于能量了

AI 生成文本的质量评测里常见一类争论：一段输出到底是抄、是借鉴、还是创新？同一个问题在文学圈吵了一百多年——作家所谓的「灵感」到底多大程度来自对前人作品的改造，多大程度算凭空发明。

布加勒斯特大学的 Ioana-Roxana Boriceanu 和 Liviu P. Dinu 最近在 arXiv 上贴了一篇论文，恰好卡在这个交叉点上。他们没有去争「这算不算抄」，而是建了一个多层级框架，把文本的创造力拆成词汇、语义、概念、结构、叙事五个层面，再拿已知有传承关系的文学作品做对齐测试——看它们到底在哪里保留了源文本，在哪里岔开了路。

框架的核心是两个动作：方向性对齐和受控校准的相似度度量。先判断 A 在 B 的哪些层级上做了「参照」，再在被参照的层级上量它偏离了多远，在没有参照的层级上量它新造了多少。这不是跑一遍 BERTScore 或者余弦相似度就完事的活，每层都需要独立的方向控制。

论文在理论上引用了 Gabriel Tarde 和 James Mark Baldwin 的模仿理论，两位都认为创造力不是凭空跳出来的，而是对已有东西的选择性改造（selective transformation）。这个观点放在今天的生成式 AI 语境里，直接对应到 RAG 和微调之间的取舍——让模型照着材料写，还是把材料融进参数里再写。

五个层级从低到高分别是：词汇层看词语替换程度，语义层看句义结构远近，概念层看抽象主题的保留或迁移，结构层看段落、章节、情节骨架的相似度，叙事层看视角、节奏、口吻的延续或变化。框架的核心设计不是简单分类，而是用方向校准避开一个常见陷阱——把两篇无关文本的高相似度误当成创意借鉴。只有确定 A 在某个层级上指向了 B，才会去量那个层级的数值。

在历史上已被文献认定的传承关系上跑完测试之后，论文给出的结论很直接：不同类型的作品在不同层级上保留了源结构，同时也在另一些层级上出现了分歧。每一组传承关系都有一条独特的改造曲线（transformation profile）。抄袭、致敬、改写、续写这些东西不再只靠直觉判断，每一对文本都能画出自己的保留 vs 偏离图。

这套方法目前还在文学研究的实验阶段。论文没有说自己能取代人工鉴证，也没有吹它适用于所有文体。但对 AI 文本的可控生成、改写检测、代码复用度评估这类任务来说，这篇论文里对「层级」和「方向」的处理方式可以直接参考。代码里抄没抄、抄了多少、改了哪层，和文学里的借用与创新是同一类问题。

论文在 arXiv 上的编号是 2607.28513，CC BY-NC-SA 4.0 许可。一个具体的期待是有人把这套层级框架做成开源的可视化工具，拖两篇文档进去，自动出五层对比图。文学圈用不用另说，AI 评测圈大概是要排队的。

---

相关链接
- arXiv 页面：https://arxiv.org/abs/2607.28513