提要

新辞格的发现是修辞学研究的基础性工作，传统上依赖语言学家的语感与经验。

本文基于笔者提出的辞格发现四阶段模型（语感触发、模式归纳、机制抽象、体系定位），选取四个主流大语言模型AI系统进行探索性测试，考察其在各阶段的表现能力。研究发现：

（1）AI在语感触发阶段难以自主识别具有研究价值的非常规表达；

（2）在模式归纳阶段可辅助寻找相似语料，但精准度有限；

（3）在机制抽象阶段对人类已归纳的批量语料能有效提炼核心规则；

（4）在体系定位阶段表现优异，能与既有辞格进行充分比对并完成定位论证。

据此本文认为，当前AI尚无法独立完成新辞格发现，但在机制抽象和体系定位等环节可作为有效的辅助工具。

本文在测试过程中配套提出了新辞格“近反”，并借助AI对其修辞机制进行分析，这事实上展示了人机协作在辞格研究中的可能路径，为AI时代的修辞学研究提供方法参考。

关键词AI新辞格发现大语言模型近反人机协作

一、引言

近年来，大语言模型（Large Language Models，LLMs）在自然语言处理领域取得突破性进展。从ChatGPT到DeepSeek，这些模型不仅能完成对话、写作、翻译等任务，更展现出对语言形式的敏锐感知能力——它们可以识别修辞手法、分析表达效果，甚至模仿特定文风进行创作。这引发了一个值得探讨的问题：AI能否介入那些传统上依赖人类直觉的语言学研究领域？

自陈望道《修辞学发凡》（1932）开创现代汉语修辞学体系以来，新辞格的发现主要依赖语言学家的语感与经验积累。唐钺《修辞格》（1923）则是最早以“辞格”命名的专著，奠定了现代辞格研究的基础。据笔者统计，目前汉语辞格家族成员已达400余个，其中优质辞格至少150余个。谭永祥《修辞新格》（1996）收录了30余种新发现的辞格，展现了辞格研究的持续活力。这些辞格的发现过程高度个性化，难以形式化和程序化。以模式识别见长的大语言模型，能否参与甚至主导新辞格的发现？

这一问题具有双重意义。从理论层面看，探讨AI能否发现新辞格，实质上是在追问辞格的本质——如果AI能够成功发现新辞格，说明辞格具有可形式化的底层规则；如果AI始终难以胜任，则意味着辞格中包含着某些难以编码的人类认知要素。刘大为《比喻、近喻与自喻》（2001）从认知角度研究辞格，揭示了辞格与人类认知方式的深层关联。从方法论层面看，如果AI能在辞格发现中发挥作用，将为修辞学研究开辟人机协作的新路径。

本文基于笔者提出的辞格发现四阶段模型，对目前主流大语言模型进行探索性测试，考察其在各阶段的表现，并在此基础上探讨人机协作的可能模式。

二、辞格发现的认知过程：一个经验模型

辞格发现的过程是怎样的？既有研究鲜有涉及。笔者基于十余年辞格研究的实践经验，尝试将这一过程提炼为四阶段模型。

1. 阶段一：语感触发

这一阶段的核心是对“有意思”的非常规表达保持敏感。研究者可能在日常阅读、交谈或浏览网络时偶遇一个表达，直觉上感到它趣味盎然并与众不同，疑似隐藏着某种新的表达模式。这种语感触发难以用规则描述，它依赖于研究者对语言常规与变异的敏感度，以及对修辞效果的审美判断。

2. 阶段二：模式归纳

触发语感后，研究者需要搜罗更多具有相似特征的案例，将它们汇集在一起反复揣摩。这一阶段的核心是从多个案例中提取共性，初步抽象出某种表达模式。用归纳法的术语来说，这是从“个例观察”走向“模式假设”的过程。

3. 阶段三：机制抽象

初步形成模式假设后，研究者需要深入梳理其“有意思”背后的机理——这种表达是如何产生效果的？它的结构要素是什么？这一阶段的核心是从现象描述上升到机制解释，形成清晰的、可定义的模式。

4. 阶段四：体系定位

最后一步是将新发现的模式置于整个辞格家族背景下进行考察：它与已有辞格有何异同？是否与已有辞格交叉或重复？它在辞格体系中能否或应当占据什么位置？能否在学术共同体中获得承认？用谭学纯（2018）的话说，这是“辞格入编”的过程，需要经过学术共同体的检验。

这四个阶段并非严格线性，常有迭代和反复。但它们大致勾勒了辞格发现的认知路径，为我们考察AI能力提供了分析框架。

三、研究设计

1. 测试对象

本文选取四个代表性大语言模型作为测试对象：

1. ChatGPT（版本：GPT-5.3，2026年3月网页版）

2. DeepSeek（版本：2026年3月网页版）

3. Gemini（版本：Gemini 3 Flash，2026年3月网页版）

4. 豆包（版本：2026年3月网页版）

测试时间为2026年3月7日。

2. 测试任务

根据辞格发现四阶段模型，设计四项测试任务：

表1 辞格发现四阶段测试任务与评估指标

3. 语料来源

考虑到目前主流的大语言模型可能已摄入包括修辞研究论文在内的海量语料，因此在测试时需避免采用有明确出处的、源自正规出版物的语料，以防止大模型因“早已熟知”而干扰测试结果。本文的测试语料均采用流行的网络段子——其中的修辞因素异常丰富，这也是其能够流行的重要原因。

语料筛选遵循如下三个标准：

1. 表达形式简洁，修辞特征明显；

2. 未被现有辞格体系所涵盖，具有潜在的新辞格研究价值；

3. 来源广泛，涵盖社交平台、短视频文案、新闻评论区等不同场景，保证语料的代表性。

四、测试结果与分析

1. 阶段一测试：语感触发能力

这个阶段AI难以“一步到位”，所以拆成两步进行：先测试AI的独立语感能力，再测试其定向语感能力。

1.1 独立语感测试

本测试考察大模型能否独立发现“有意思”的表达。提示词如下：

简要回答（200字以内）：你有没有独立发现某个段子里面包含了全新的修辞机制、具有独特的审美趣味？

DeepSeek的回答如图1所示。

图1 DeepSeek独立语感测试结果（2026.3.7）

DeepSeek所谓“废话文学”中的全新修辞机制，是笔者此前已与其探讨过的话题，其所举案例亦为笔者所提供。

ChatGPT和豆包的回答与之类似，虽自称新发现，实则源自训练语料或此前对话。

Gemini的回答相对坦诚，直接承认无法“独立发现”，如图2所示。

图2 Gemini独立语感测试结果（2026.3.7）

测试结果点评：尽管大语言模型的语料储备量远超人类个体，但其无法自主感知到某个表达中可能隐藏着全新的修辞机制。其所谓“原创发现”，追根溯源均为拾“人”牙慧。

1.2 定向语感测试

鉴于AI独立发现能力不足，本测试退而求其次，考察其定向语感能力——由笔者提供种子案例，考察AI能否感知其特殊性。种子案例如下：

①　相爱总是简单，相处太难。

笔者初步分析发现，此句蕴含着独特的审美趣味：“相爱”与“相处”两个概念关系相近，特性却相反——一个“简单”，一个“太难”，从而形成“相近相反”的矛盾张力，如图3所示。

图3 “相近相反”逻辑示意图

笔者将这种修辞模式命名为“近反”。基于以上前置分析，笔者再去听取大语言模型的意见，提示词如下：

简要分析（200字以内）如下这段话里面包含的全新修辞机制或独特的审美趣味：相爱总是简单，相处太难。

四个模型中，ChatGPT、DeepSeek和豆包的回答主要基于既有辞格进行分析，未能完整揭示其中的全新修辞机制。相对而言，ChatGPT的回答最接近“近反”思想，如图4所示。

图4 ChatGPT定向语感测试结果（2026.3.7）

ChatGPT的分析较为到位，已经触及“近反”的核心，并将“关系相近”细化为恋爱阶段的时序衔接，将“特性相反”细化为成本高低。但其缺点是过于具象，局限于“一事一议”，未能提炼出更具普适性的本质特征。其原因可能在于：孤案不足以彰显新修辞模式的本质特征，需要更多案例相互参照印证。

测试结果点评：AI能够感知指定的非常规表达的特殊性，但其“提炼模式”的尝试尚不稳定，停留于表面特征，难以触及深层结构。

综合上述两步测试，让AI自主完成“语感触发+初步提炼”的结果并不可靠。

2. 阶段二测试：模式归纳能力

鉴于阶段一中AI提炼的“新修辞模式”过于具象、缺乏普适性，直接进入阶段二（寻找相似案例）缺乏有效基准。故本研究调整测试顺序：先进行阶段三测试，待AI习得模式后再回溯测试阶段二能力。

3. 阶段三测试：机制抽象能力

本阶段由笔者提供已归纳好的、具有相同修辞机制的批量案例，测试AI的机制抽象能力。提示词如下：

下面这组句子拥有相同的、某种全新的、未知的修辞机制，请予以总结分析（200字以内）：

（1）精明，不聪明。（2）有内容，无内涵。（3）性在泛滥，爱在消亡。（4）生命无常，生活照常。（5）漂亮一时，美丽一生。（6）人不可有傲气，但不可无傲骨。（7）测得出的叫智商，测不出的叫智慧。

四个模型的表现均较理想。ChatGPT的回答如图5所示。

图5 ChatGPT机制抽象测试结果（2026.3.7）

ChatGPT对机制的抽象总结相当精准，已基本领会“近反”的核心思想。

测试结果点评：在人类提供同模式批量语料的前提下，AI能够有效提炼其共同规则。

4. 回溯阶段二测试：模式归纳能力

在AI通过阶段三测试后，本研究回溯测试其阶段二能力——能否根据习得的模式寻找更多相似案例。提示词如下：

再给这种新辞格命名（两个字），并再给出10个全新的类似案例（不要抄我的案例）。

ChatGPT的回答如图6所示。

图6 ChatGPT命名与举例测试结果（2026.3.7）

首先评估其命名：辨格。按其解释，取“概念辨析型对照修辞（格）”之意。这一命名过于宽泛，未能反映该辞格“相近概念、相反特性”的本质特征。相较而言，笔者所拟“近反”更为贴切。

其次考察其举例。在ChatGPT提供的10个案例中，符合“近反”机制的有4个，成功率为40%。其余模型表现详见附录。这一结果表明，AI虽能准确归纳给定语料的模式，但在将该模式迁移应用于新案例识别时，能力有限。

值得注意的是，以上案例均源自网络。若要求其提供正规出版物或名人名言中的案例，测试结果如图7所示。

图7 ChatGPT正规语料举例测试结果（2026.3.7）

所提供的10个案例确系出自正规作品或名人名言，但除第1例外，其余9例均不符合“近反”机制，且部分例句存在文字讹误。这进一步印证：AI并未真正理解“近反”的核心机制，其模式识别仍停留于统计相似性的表层归纳，而非基于机制理解的深层迁移。

测试结果点评：AI能发现大量形式上“看起来像”的案例，但其对“深层模式”的理解有限，难以区分“形式相似”与“机制相同”。其对辞格的命名水平一般，但可作为创意发散的参考。

5. 阶段四测试：体系定位能力

本阶段考察AI对新辞格的定位能力——以现有辞格体系为参照系，判断新辞格是否“够格入编”。提示词如下：

有哪些老辞格可能与“近反”容易混淆或者有交集？请予以辨析。你觉得“近反”够格拥有辞格家族的正式编制吗？

四个模型的回答均较精到。DeepSeek的回答尤为出色，关键要点整理如下：

“近反”够格入编的论证

根据辞格入编的一般标准（定义清晰、审美独特、比较常见），结合上述辨析，对“近反”的入编资格进行系统论证。

（一）定义清晰

“近反”的核心机制可形式化表述如下：

将两个概念相近的词语并置，揭示其在某一维度上的属性相反，从而形成“相近概念、相反特性”的矛盾张力。

结构要素：

1.概念相近：两个核心概念属于同一语义场，具有内在关联（“相爱”与“相处”）；

2.属性相反：两个概念在某一维度上的判定呈现对立（“简单”与“太难”）；

3.矛盾张力：相近与相反的并存，产生认知上的意外感和审美上的回味空间。

该定义具有明确的操作边界，可与如下七个相近辞格清晰区分。

（二）审美独特（同时兼做辨析）

“近反”的审美效果与既有辞格形成显著差异：

“近反”的独特审美在于：它既不同于“对比”的强烈对立（近反而非对立），也不同于“舛互”的逻辑矛盾（近反而非包含），更不同于“反语”的言意分离（近反而非语境依赖）。它所创造的是认知层面的微妙张力——两个本应相近的概念，却在某一维度上分道扬镳，这种“意料之外、情理之中”的反差，正是其审美价值的核心。

（三）比较常见

“近反”在古今汉语中并不罕见，除本文列举案例外，还可补充：

①　格言类：“知易行难”（知与行相近，难易相反）

②　俗语类：“雷声大，雨点小”（雷与雨相关，大小相反）

这些案例散见于日常表达，说明“近反”具有相当的普遍性，非偶然个例。

（四）综合结论

基于以上论证，笔者认为“近反”完全具备入编资格：

1.定义清晰：可与对偶、对比、映衬、舛互、反语、同异、错综等七个相近辞格明确区分，不存在边界模糊问题；

2.审美独特：创造了“相近相反”的矛盾张力之美，与既有辞格的美学效果形成质的差异；

3.比较常见：在古今汉语中均有分布，非生造个例。

建议定位：可将“近反”纳入“意合类”辞格，与“对比”“映衬”等并列，填补“相近概念、相反特性”这一修辞空间的空白。

以上内容尽量保持了DeepSeek回答的原样，只是稍微删改了少量讹误之处，其原始回答的截图参见附录。

测试结果点评：AI对新辞格的定位能力十分突出，要点全面、表达精准。DeepSeek的回答基本上就是一份相对完整的辞格档案，可直接编入《辞格大典》。

需要指出的是，由于笔者长期跟DeepSeek探讨修辞学的问题，这一定程度上加强了其在这一领域的认知。比如它在回答中提到的“辞格入编的一般标准（定义清晰、审美独特、比较常见）”，其实就是笔者曾经跟它提到过的优质辞格的评判标准。

五、讨论

1. AI的辞格学术能力分析

基于上述测试，可将AI在辞格发现四阶段中的表现总结如下：

表2 大模型辞格发现四阶段能力评估

机制抽象本质上是模式识别后的规则提炼，与大语言模型的核心能力高度契合——它们在海量语料中训练，天然擅长提取批量语料的规律。

但这一表现有一个前提：语料是人工筛选好的。一旦要求AI自主感知新模式或寻找相似语料，问题便暴露无遗。这说明AI的“模式识别”目前仍是基于统计相似性的表层归纳，而非基于机制理解的深层迁移。

对新辞格的定位，至少需要熟悉上百个现有的老辞格，并与之逐一比对辨析。这需要系统性的知识图谱和概念辨析能力。AI仗着“超人”的算力和知识储备量，正好可以发挥所长。

从事修辞学研究的同仁应该都有体会：捕捉“新趣味”是发现新辞格最为关键的第一步，需要极高的语言敏悟力和难得的“灵光一现”；寻找足够多的类似案例则是最花心血的第二步；而机制抽取和体系定位虽较繁琐，反倒是相对“不费脑子”的环节。

也就是说，对“人”而言，发现新辞格最难的环节，恰恰也是AI最难以胜任的环节；但AI确实可以承担检索和比对之类繁重的“体力活”。

2. 辞格的本质与AI的短板

以上测试结果也正好呼应了引言部分提出的问题，即“辞格的本质”是什么？

笔者认为，辞格是人类复杂情感和审美趣味的概念化总结，体现了人之所以成为“人”的最本质特征。这个特征往往跟大语言模型的算法“相克”——

1. AI基于规则和套路，修辞却偏好打破规则和不按套路出牌；

2. AI基于概率进行预测，修辞却常常违背预期；

3. AI偏好“确定性”，辞格的鉴别却有一定的不确定性。

关于辞格鉴别的“不确定性”，既是修辞性语言的特点所致，也与现行修辞学的理论和体系不够完善有关——普遍存在辞格定义模糊、分类交叉重复、缺乏系统性和严谨性等问题。比如，比拟与比喻、借喻与借代、移就与通感……彼此的关系一直纠缠不清。如果人类学者对这些问题没有一个清晰的说法，AI自然也无从学起。

在AI“替代潮”的冲击下，医生、律师、程序员、棋手等高智商的职业纷纷面临挑战，“发现新辞格”这一最具“人情味”的工作，可能反而是AI的最后一道坎——这对修辞研究者而言是机遇，也是挑战。

综上，目前的AI无法独立去发现新辞格，这也意味着辞格中确实包含着某些难以编码的人类认知要素。

因为辞格是高度智能的语言范式，不仅基于语义、语形、音韵、逻辑、语境、时代背景等多种要素，还高度依赖人的情感、经历和文化背景。AI要“参数化”以上所有要素极为困难；即便勉强实现，其参数量也会急剧膨胀，并最终挤爆其算力。

3. 人机协作的可能路径

上述分析提示我们：辞格发现的未来可能是“人机协作”，而非“机器替代”。协作模式可设想如下：

1. 人类主导：语感触发、模式归纳的“质控”、体系定位的最终判断

2. AI辅助：相似语料批量检索、机制初步提炼、辞格知识查询

3. 人机共审：新辞格的命名、定义打磨、效果评估

具体而言，AI可在以下方面成为研究者的“思维放大器”：

1. 语料扩展：根据种子案例，快速提供大量类似句子供人类筛选

2. 模式提炼：对人工筛选的同模式语料，提取其结构框架

3. 创意发散：为新辞格命名提供多个备选方案，开拓思路

4. 知识检索：查询既有辞格相关信息，辅助定位判断

4. 本研究的局限

1. 测试样本有限：仅测试4个模型和少数任务，结论的外推性需谨慎。

2. 评估标准主观：对AI回答的评判主要依赖笔者个人经验，得出的结论难免主观武断。

3. 未控制模型版本：大语言模型版本迭代迅速，本文结论仅代表测试时版本的表现。

4. 前期训练带来的干扰：笔者经常跟这些大模型探讨修辞问题，它们的回答难免会被这些训练“带节奏”。

六、结语

本文基于辞格发现四阶段模型，对四个主流大语言模型进行了探索性测试。研究发现：当前AI无法独立完成从语感触发到体系定位的全过程，但在机制抽象和体系定位等特定环节可作为有效的辅助工具。

这一结论既是对AI能力边界的评估，也是对辞格本质的间接追问——它是人的情感与美感的外化，AI作为“硅基生命”无法真正“共情”。

然而，这并不意味着AI在辞格研究中无足轻重。恰恰相反，人机协作或许正是未来修辞学研究的新范式：人类负责直觉和判断，AI负责提炼与发散。

本文在测试过程中，配套提出了新辞格“近反”，并展示了借助AI对其修辞机理进行分析的全过程。这事实上已经提供了一条人机协作在辞格研究中的可能路径，为AI时代的修辞学研究提供方法参考。

“近反” 也是本人修辞学研究的独立成果，它是否够格进入辞格体系的正式编制，欢迎各位学界同仁结合 DeepSeek 为其建立的 “辞格档案”予以评判。

参考文献

[1] 陈望道 1932 《修辞学发凡》，上海：大江书铺。

[2] 唐　钺 1923 《修辞格》，北京：商务印书馆。

[3] 谭永祥 1996 《修辞新格》（增订本），广州：暨南大学出版社。

[4] 王希杰 2024 《汉语修辞学》（第四版），北京：商务印书馆。

[5] 刘大为 2001 《比喻、近喻与自喻——辞格的认知性研究》，上海：上海教育出版社。

[6] 谭学纯 2021 后陈望道时代：修辞格研究的学术视野和话语生产，高群《广义修辞学视角下的夸张研究》，合肥：安徽教育出版社。

[7] 谭学纯 2018 辞格生成与辞格接受，《当代修辞学》第3期。

Can AI Discover New Figures of Speech?

——An Exploratory Test Based on the "Proximate Antithesis" Rhetorical Model

Abstract The discovery of new figures of speech is a fundamental task in rhetoric research, traditionally relying on linguists' linguistic intuition and experience. Based on the four-stage model of figure of speech discovery proposed by the author, this paper conducts exploratory tests on four mainstream large language models to examine their performance at each stage. The results show that: (1) AI has difficulty independently identifying unconventional expressions with research value in the linguistic intuition triggering stage; (2) it can assist in finding similar corpora in the pattern induction stage, but with limited accuracy; (3) it can effectively extract core rules from batch corpora summarized by humans in the mechanism abstraction stage; (4) it performs excellently in the system positioning stage, being able to fully compare with existing figures of speech and complete positioning arguments. Based on this, this paper argues that current AI cannot independently complete the discovery of new figures of speech, but can serve as an effective auxiliary tool in links such as mechanism abstraction and system positioning. In the process of the tests, this paper proposes a new figure of speech "Close Antonymy" and analyzes its rhetorical mechanism with the help of AI, which actually demonstrates a possible path of human-computer collaboration in rhetoric research and provides methodological reference for rhetoric research in the AI era.

Keywords：Large language models；New figure of speech discovery；Proximate Antithesis；human-computer collaboration；rhetorical research

附录：大语言模型测试原始对话截图（此处仅列出清单，图片从略）

附录一豆包测试记录

图A1 豆包阶段一定向感知测试结果（2026.3.7）

图A2 豆包阶段三机制抽象测试结果（2026.3.7）

图A3 豆包命名与举例测试结果（2026.3.7）

附录二Gemini测试记录

图B1 Gemini阶段一定向感知测试结果（2026.3.7）

图B2 Gemini阶段三机制抽象测试结果（2026.3.7）

图C3 Gemini命名与举例测试结果（2026.3.7）

附录三DeepSeek对新辞格“近反”的定位分析

图D1 DeepSeek定位分析结果（2026.3.7）

图D2 DeepSeek定位分析结果（续）

图D3 DeepSeek定位分析结果（续）

图D4 DeepSeek定位分析结果（续）

表达

不拘一格，只拘人心

AI格语，人致趣

【辞格+AI】U辞平台

重构中文底层解释系统

让AI和人类更容易理解中文的博大精深

详情：如何提高AI笑点？

欢迎学术单位、AI厂商、投资人

添加微信洽谈合作

、

点下【在看】，玉指留香！