探索 vs. 固定：面向生成式模型的人类-人工智能协同创作
人机交互
2026-04-07 v2 人工智能
摘要
生成式AI已使内容创建民主化，但流行的聊天机器人界面往往侧重执行，生成完整的作品。这种做法可能导致用户提前收敛，陷入设计固定陷阱。近期研究提出了新的界面以支持探索，但通常受限于用户初始任务框架的语义相似性，可能限制创意产出。我们基于创造性认知的Geneplore模型，构建了人类-人工智能协同创作系统HAICo，用于创意图像生成。HAICo将创造过程明确结构化为两种可切换模式：DIVERGENT模式支撑对远程概念想法的广泛探索；CONVERGENT模式支持对选定想法的针对性精炼。通过在海报图像创建任务上的单受试者研究（N=24），我们证明HAICo在创意性和可用性多个维度上均优于ChatGPT。我们的结果凸显了从纯执行导向的聊天机器人转向支持探索引导的协同创作系统的必要性，以主动促进探索并培育创造过程。
关键词
引用
@article{arxiv.2512.18388,
title = {Exploration vs. Fixation: Scaffolding Divergent and Convergent Thinking for Human-AI Co-Creation with Generative Models},
author = {Chao Wen and Tung Phung and Pronita Mehrotra and Sumit Gulwani and Roger E. Beaty and Tomohiro Nagashima and Adish Singla},
journal= {arXiv preprint arXiv:2512.18388},
year = {2026}
}
备注
Preprint