AI 引发的创意多样性崩溃的事前评估

创造性 AI 系统通常在个体效用层面进行评估，但创造性产出是在群体中被消费的：当许多人产生相似的创意时，一个创意就会失去价值。这造成了一个评估盲点，因为 AI 可以在提升个体产出的同时增加群体层面的拥挤。我们引入了一个以人为参照的框架，用于在不需要人机交互数据的情况下对 AI 引发的人类多样性崩溃进行基准测试，提供了一种事前协议，以仅基于模型生成的内容和匹配的无辅助人类基线来估计拥挤风险。通过将创意建模为拥挤资源，我们表明源层面的拥挤可以通过分布内比较来识别，从而产生一个超额拥挤系数 $\Delta$ 和一个以人为参照的多样性比率 $\rho$。我们证明 $\rho\ge1$ 是无超额拥挤的平价条件，并将 $\Delta$ 与一个具有曝光依赖冗余成本的采纳博弈联系起来。在短篇故事、营销口号和替代用途任务中，三个前沿 LLM 在拥挤核上的表现均低于平价。估计值在可行的仅模型样本量下趋于稳定。重要的是，生成协议的变体表明可以通过有针对性的设计来减少拥挤，从而使多样性崩溃成为面向群体的创造性 AI 的一个可操作的开发期评估目标。