面向创意构思的NexusAI：通过认知抽象与功能分解实现设计空间探索
人机交互
2026-04-14 v1
摘要
大型语言模型（LLMs）为创意构思提供了巨大的潜力，但其标准的交互范式往往产生结构松散的文本输出，导致用户过早地聚焦于亚optimal想法——这被称为固定现象（fixation）。虽然近期的创意工具开始对这些输出进行结构化处理，但它们仍然是组合性的不透明：想法以单一单元的形式组织，无法在子层级进行分解、抽象或重组。为此，我们提出认知抽象（CA）——一种将原始LLM生成的灵感转化为可导航且可变换设计空间的计算管道。我们在NexusAI中实现了该管道，这是一个支持（I）将灵感分解为带类型功能片段、（II）多层抽象以外部化心理尺度、（III）跨维度重组合以激发新颖的设计方向的图表系统。一项内受试用户研究（N=14）表明，NexusAI显著改善了设计空间探索，降低了认知负荷，并相对于基准促进了视角重构。我们的工作贡献包括：（1）将“组合性不透明” characterization 作为人机共创中的障碍；（2）CA管道用于大规模操作创意认知原语；（3）结构化、多层次表征可有效缓解固定并支持发散探索的实证证据。
引用
@article{arxiv.2604.10575,
title = {NexusAI: Enabling Design Space Exploration of Ideas through Cognitive Abstraction and Functional Decomposition},
author = {Anqi Wang and Bingqian Wang and Huiyang Chen and Keqing Jiao and Lei Han and Xin Tong and Pan Hui},
journal= {arXiv preprint arXiv:2604.10575},
year = {2026}
}