大型語言模型是否變得同樣具備創意？三年模型演進之證據分析
arXiv - Computers and SocietyNirav Patel, Josiah Crossman, Eva Aggarwal, Emily Wenger
研究發現隨著模型演進，LLM 在開放式任務中的輸出多樣性顯著下降，呈現趨同現象。
AI 幫你先抓重點
AI 重點 1
警惕 AI 生成內容的「同質化」風險
滑鼠懸停看 AI 判斷理由
當 AI 輸出的創意內容趨於一致時，可能會削弱人類在協作過程中的主體性，導致人類思考模式被 AI 的平均值所同化，這對於強調原創性的教育領域至關重要。
AI 重點 2
重新定義 AI 在創意協作中的角色定位
滑鼠懸停看 AI 判斷理由
研究結果提醒我們，不能僅將 AI 視為創意增強工具，若不加以引導，AI 可能會成為創意平庸化的推手，教育者需思考如何設計教學以保留人類的獨特性。
核心研究發現
- 1
透過對 Infinity-Chat100 與替代用途任務（AUT）的分析，研究發現模型輸出的多樣性隨時間呈現統計學上的顯著下降。
- 2
模型在處理開放式問題時，其創意實質內容正趨於一致，顯示不同模型間的輸出正在發生收斂現象。
- 3
隨著模型性能演進，雖然品質可能提升，但生成內容的獨特性與原創性卻面臨減少的風險。
對教育工作者的啟發
教育工作者在設計結合 AI 的專題式學習（PBL）時，應避免讓學生過度依賴 AI 生成初步構想，以免陷入「創意同質化」的陷阱。建議將 AI 定位為「批判性對話者」而非「答案提供者」，引導學生對 AI 生成的內容進行差異化改寫、批判與擴充。在評量設計上，應從單純的結果評量轉向過程評量，強調學生如何突破 AI 的常規思維，展現出模型無法提供的獨特觀點與個人經驗，以維護學習者的自主性與創造力。
原始文獻資訊
- 英文標題：
- Are LLMs becoming similarly creative? Evidence from three years of models
- 作者：
- Nirav Patel, Josiah Crossman, Eva Aggarwal, Emily Wenger
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。