我们不同，我们相同：LLM 创意异质性

众多强大的大型语言模型（LLMs）现已可用于作为写作辅助工具、想法生成器等。虽然这些LLM被宣传为有帮助的创意助理，但已有研究表明，将LLM用作创意合作伙伴会导致创意输出的更窄范围。然而，这些研究仅考虑与单个LLM交互的效果，引出一个问题：这种窄化的创意是否源于使用特定的LLM——这显然具有有限的输出范围——还是源于总体上将LLM用作创意助理。为研究此问题，我们使用标准化的创意测试从人类和广泛的LLM集合中提取创意响应，并比较不同LLM响应在 population 水平上的多样性。我们发现，LLM的响应与其他LLM的响应更相似于人类响应之间的相似性，即使在控制了响应结构和其他关键变量后也是如此。这一发现表明，今天评估的LLM在创意输出方面存在显著的同质性，这为关于LLM和创意的持续讨论增添了新的维度。如果今天的LLM行为相似，无论使用哪个模型，将其用作创意合作伙伴可能都会将所有用户引向有限的“创意”输出集合。