论文页面 - MLLM 能否解码创造性跳跃？C4：面向跨概念理解的新基准

摘要

MLLM 的创造性能力在设计、沟通、教育和人机协作中具有重要意义，但与以准确性为导向的任务相比，由于明确目标和奖励信号稀缺，其评估一直困难重重。跨概念理解是接受性创造力的核心认知能力，使感知者能够从非显而易见但有意义的概念关系中恢复出预期含义。我们将题目构建操作化为跨概念编码，将模型推理操作化为跨概念解码。为此，我们提出 C4——一个受认知启发的评估框架，用于基于成语的跨概念创造力（Chengyu-based Cross-Concept Creativity）。其编码组件沿着桥接路径将目标槽位映射到可图像化的替代概念，构建一个手工标注且经第三方审核的跨概念网络，从而支持显式结构的批量生成、以桥接数量和深度为索引的难度分级以及精确答案。利用该框架，我们实例化了 C4 评估集（C4-Eval），包含 184 个合成题目和 37 个从在线来源收集的人工创建跨概念成语修辞。我们为收集的修辞手工构建并审核了跨概念关系、桥接路径和推理过程。每个 C4-Eval 题目在五种任务设置下实例化，共产生 884 个主要答案恢复案例。在评估的十个 MLLM 中，最强的闭源模型分别达到 50.7% 和 48.0% 的主要准确率，而开源模型则显著较低。候选约束能大幅提升准确率，但桥接提示和解释请求带来的提升有限。这些结果暴露了当前 MLLM 在通过跨概念关系解码创造性编码意义方面的显著差距。代码见补充材料。

查看 arXiv 页面 查看 PDF 添加到收藏

在你的智能体中获取该论文：

hf papers read 2608\.06501

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用该论文的模型 0

暂无模型链接该论文

在模型 README.md 中引用 arxiv.org/abs/2608.06501，即可从本页面链接到该模型。

引用该论文的数据集 0

暂无数据集链接该论文

在数据集 README.md 中引用 arxiv.org/abs/2608.06501，即可从本页面链接到该数据集。

引用该论文的 Space 0

暂无 Space 链接该论文

在 Space 的 README.md 中引用 arxiv.org/abs/2608.06501，即可从本页面链接到该 Space。

收录该论文的合集 0

暂无合集收录该论文

将该论文添加到合集中（https://huggingface.co/new-collection），即可从本页面链接到该论文。