LLM 创造力新发现：人类受益于跨域映射，AI 却无动于衷

2026年3月21日 5点热度 0人点赞 0条评论

导语：arXiv 最新论文对比人类与 LLM 的创造力机制，发现跨域映射干预对人类有效但对 LLM 无效。研究让参与者为日常产品设计新功能，人类从随机类比中显著受益，而 LLM 本身创意更多但不受干预影响，语义距离越远效果越明显。

核心内容

创造力是人类智能的核心特征之一，也是大语言模型（LLM）备受关注的能力。然而，LLM 的创造力是否与人类遵循相同机制？同样的创意激发方法是否对两者都有效？来自研究团队的最新论文《Serendipity by Design》给出了令人惊讶的答案。

研究设计采用对照实验方法，让人类参与者和 LLM 分别为十种日常产品（如背包、电视等）生成新功能创意。实验设置两种提示条件：跨域映射组要求从随机分配的源领域（如章鱼、仙人掌、GPS）翻译属性到目标产品；用户需求组则要求针对未满足的用户需求提出创新方案。

核心发现呈现显著差异：人类参与者从随机分配的跨域映射中稳定受益，创意质量显著提升；而 LLM 平均生成的创意原本就比人类更原创，但跨域映射干预对 LLM 没有统计学显著影响。这一发现揭示了人类与 AI 创造力机制的根本性差异。

语义距离效应是研究的另一重要发现。无论是人类还是 LLM，当灵感来源与目标产品的语义距离越远时，跨域映射的影响越大。例如，用"章鱼"启发"背包"设计比用"书包"启发"背包"产生更独特的创意。这一效应在两个系统中都成立，说明远程联想在创意生成中的普遍作用。

实验规模涵盖多个产品类别和随机源领域组合，确保结果的代表性和可泛化性。研究采用标准化创意评估指标，从原创性、实用性、可行性等维度量化创意质量，并由独立评审员进行盲评。

理论意义在于挑战了"LLM 模仿人类认知"的简单假设。研究表明，尽管 LLM 在创意生成任务上表现优异，但其内部机制与人类存在系统性差异。人类的创意激发依赖外部干预和结构化引导，而 LLM 的创意生成更多来自其预训练知识的自发重组。

这项研究反映了 AI 创造力研究的一个关键趋势：从性能对比转向机制理解。早期研究主要关注 LLM 能否通过图灵测试式的创意评估，而本研究深入探讨了创意产生的认知过程差异。

人类创造力的局限性在于需要外部触发。跨域映射之所以对人类有效，是因为它强制打破思维定势，将注意力从熟悉的功能联想转向陌生的属性映射。这种"强制类比"机制类似于设计思维中的"随机输入"技术，通过引入不相关元素激发新的联想路径。

LLM 创造力的特点则体现为"知识广度优先"。LLM 在预训练阶段已接触海量跨领域文本，其内部表示天然包含丰富的远程关联。因此，即使没有显式的跨域映射提示，LLM 也能自发地从广泛知识空间中检索不寻常的组合。这解释了为什么 LLM baseline 创意质量就高于人类，且不受额外干预影响。

语义距离效应的普适性揭示了创意生成的一个深层原理：无论是生物智能还是人工智能，创意质量与联想的"遥远程度"正相关。这支持了创造力理论中的"联想层次理论"——最具创意的想法往往来自看似无关领域的连接。对于 AI 系统设计，这意味着可以通过控制检索范围或引入随机性来调节创意的新颖度。

实际应用启示对于创意辅助工具的设计具有重要指导意义。针对人类的创意工具应提供结构化干预（如随机类比生成器、跨域映射提示），而针对 LLM 的提示工程则应聚焦于任务定义和约束条件，而非创意激发技巧。混合系统中，可以让 LLM 负责生成大量候选创意，人类负责筛选和优化，发挥各自优势。

研究局限性也值得注意。实验使用的 LLM 模型类型和参数规模可能影响结果，不同架构的模型对跨域映射的响应可能不同。此外，创意评估的主观性意味着结果可能受评审员偏好影响。未来研究可探索更多模型类型、更复杂的创意任务，以及人类-AI 协作创意的协同效应。

对产品设计团队：研究结果支持在头脑风暴会议中使用跨域映射技术。可以准备随机物品卡片或图片，强制团队从不相关领域汲取灵感。对于 AI 辅助设计，可以直接让 LLM 生成创意列表，无需特殊提示技巧。

对广告创意机构：人类创意人员可从跨域映射训练中受益，定期练习将产品与随机概念关联。AI 工具可用于快速生成大量创意变体，人类再从中筛选最有潜力的方向进行深化。

对教育领域：创造力课程可纳入跨域映射练习，训练学生从多元视角思考问题。同时可教授学生如何有效利用 LLM 作为创意伙伴，理解 AI 创意的特点并学会批判性评估。

对 AI 产品开发者：设计创意生成类 AI 产品时，无需过度模仿人类的创意激发技巧。应聚焦于提升知识覆盖、优化检索策略、提供多样化输出格式。对于需要人类参与的工作流，可内置跨域映射工具作为人类用户的辅助功能。