Revisiting Northrop Frye's Four Myths Theory with Large Language Models
本文提出了一种结合荣格原型理论将角色功能映射到诺思罗普·弗莱四种叙事神话的框架，并通过六款大语言模型对 40 部叙事作品的验证，证实了该方法能有效捕捉跨体裁的结构性叙事模式，为计算叙事学和交互式故事创作奠定了基础。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇论文就像是一场**“文学侦探”与"AI 助手”的联合行动**，目的是搞清楚：为什么不同的故事（比如喜剧、悲剧、爱情片）里，人物的作用看起来总是那么相似，却又有点不一样？
为了让你轻松理解，我们可以把这篇论文拆解成几个生动的部分：
1. 背景：老教授的新地图
首先，我们要认识一位叫诺思罗普·弗莱（Northrop Frye）的老文学教授。他以前画了一张“故事地图”，把故事分成了四大类，就像四季一样：
- 春天（喜剧）： 年轻人追求爱情，最后皆大欢喜。
- 夏天（浪漫/史诗）： 英雄去冒险，打败怪物，获得宝藏。
- 秋天（悲剧）： 英雄因为骄傲犯错，最后遭遇不幸，世界秩序恢复。
- 冬天（讽刺）： 世界很糟糕，英雄很无力，大家被体制压迫。
以前的研究主要看**“剧情”（比如：先发生什么，后发生什么）。但这篇论文想换个角度，看看“人物”**。
2. 核心理论：把人物当成“心理拼图”
作者们引入了心理学家**荣格（Jung）**的理论。荣格认为，我们每个人的心里都有四个“分身”：
- 自我（Ego）： 主角，做决定的那个人。
- 面具/智者（Persona/Wise Man）： 指导者，给你建议的人。
- 阴影（Shadow）： 反派，和你作对的人。
- 灵魂伴侣（Anima）： 陪伴者，给你情感支持的人。
作者的创意在于： 他们把一个人心里这四个“分身”，拆开来变成了故事里的四个真实角色。
- 主角 = 自我
- 导师 = 智者
- 反派 = 阴影
- 伙伴 = 灵魂伴侣
然后，他们发现，虽然这四个角色在所有故事里都存在，但在**不同的季节（流派）**里，它们穿的衣服和干的事不一样。
打个比方：
想象“导师”这个角色。
- 在喜剧（春天）里，他像个**“搞怪救火队员”**（比如《唐吉诃德》里的桑丘），专门帮主角解决麻烦。
- 在悲剧（秋天）里，他像个**“预言家”**（比如《麦克白》里的女巫），虽然给了建议，但往往预示着灾难。
- 在讽刺（冬天）里，他可能变成了**“审讯官”**（比如《1984》里的奥布莱恩），表面上是导师，实际上在折磨主角。
作者把这四个通用角色，细化成了16 种具体的“职业装”（4 种流派 × 4 种角色），试图给每种故事里的角色贴上精准的标签。
3. 实验：让 AI 当“阅卷老师”
为了验证这套理论是不是真的有用，作者们没有只靠人脑去分析，而是请了6 个最顶尖的 AI 大模型（比如 GPT、Claude、Llama 等）来当“阅卷老师”。
- 任务： 给 AI 看 40 个不同的故事（涵盖戏剧、小说、电影），让 AI 判断：“在这个故事里，谁才是那个‘搞怪救火队员’？谁又是那个‘预言家’？”
- 测试题：
- 正题（160 题）： 作者已经标好正确答案，看 AI 能不能认出来。
- 反题（30 题）： 作者故意把标签贴错（比如把反派说成是导师），看 AI 能不能识破并说“不对”。
4. 结果：AI 们表现很棒，但也发现了故事的“模糊地带”
结果非常有趣：
- 整体表现： AI 们的平均准确率达到了 82.5%。这意味着，这套理论确实捕捉到了故事里深层的规律，AI 们都能看懂。
- 不同流派的难度：
- 最容易猜： 悲剧和喜剧。因为这两个流派的结构最清晰，角色分工明确（就像做数学题，公式很固定）。
- 最难猜： 浪漫故事和讽刺故事。
- 为什么浪漫故事难？ 因为“导师”可能不是一个人，而是一把宝剑、一个魔法戒指，或者是分散在好几个配角身上。AI 很难决定到底该把标签贴给谁。
- 为什么讽刺故事难？ 因为讽刺故事本来就是故意把角色搞混的。比如那个“审讯官”，他既是导师（教你真理）又是反派（折磨你）。这种“亦正亦邪”让 AI 也犯了难。
5. 总结：这对我们意味着什么？
这篇论文就像是在说：
“我们不仅可以用 AI 来写故事，还可以用 AI 来理解故事的结构。我们发现，虽然故事千变万化，但底层的‘角色功能’就像乐高积木一样，有固定的几种拼法。只要掌握了这些拼法，我们就能更好地分析故事，甚至让 AI 写出更符合特定风格（比如更悲剧或更讽刺）的故事。”
一句话总结：
作者们用荣格的心理学理论给故事人物“重新分类”，然后让一群 AI 大模型去验证这套分类法。结果证明，这套理论非常管用，AI 们不仅能识别出好故事里的角色分工，还能敏锐地察觉到不同故事类型中那些微妙的、故意模糊的“角色变形”。这为未来让 AI 创作更高质量、更有深度的故事打下了坚实的基础。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。