.png){kind=icon}
返回
Large language models are homogeneously creative
.png){kind=icon}
PRE
AI
DOI：10.1093/pnasnexus/pgag042.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
尽管多项研究表明将大型语言模型（LLMs）作为创意伙伴会缩小创意输出，但市面上仍有许多LLMs被宣传为创意支持工具。然而，这些研究仅考虑了与单个LLM互动对特定创意任务的影响，并未明确区分创意受限是由于特定LLM输出范围有限，还是LLMs普遍存在此类问题。为验证此问题，我们通过标准化创意任务收集大量人类和LLMs的创意响应，并比较群体层面的响应多样性。结果发现，LLMs的响应彼此相似程度远高于人类之间的相似程度，即使控制了关键混淆变量后也是如此。这一发现为关于创意与LLMs的持续讨论增添了新维度。如果当前LLMs的行为模式相似，那么无论使用哪种模型作为创意伙伴，都可能引导用户趋向相似的创意输出。
Keyword:
AI
creativity
homogeneity
期刊
P
IF:
3.8
论文数:
2.1K
被引数:
3.2K
机构
引用论文
Examining the Idea Density and Semantic Distance of Responses Given by AI to Tests of Divergent Thinking考察AI在发散思维测试中给出的回答的意念密度和语义距离
OAAI
.png){kind=icon}
OAAI分享收藏CAP: The creativity assessment platform for online testing and automated scoringCAP：用于在线测试和自动评分的创造力评估平台
OAAI
OAAI分享收藏Using AI to Generate Visual Art: Do Individual Differences in Creativity Predict AI-Assisted Art Quality?利用AI生成视觉艺术：个体创造力差异能否预测AI辅助艺术作品的质量？OAAI
OAAI分享收藏分享收藏
查看更多内容