LLMs陷入了群体思维的窠臼。这家初创公司正试图让它们摆脱困境。

# 大语言模型陷入群体思维怪圈。这家初创公司正试图将它们拉出来。 来源：https://www.technologyreview.com/2026/07/01/1140003/llms-are-stuck-in-a-groupthink-rut-this-startup-is-trying-to-get-them-out 我们先玩个游戏。打开你常用的聊天机器人——Claude、ChatGPT、Gemini——输入“给我一个1到10之间的随机数”。你会得到7。几乎总是如此。再输入“另一个”，你会得到3或4。再输一次“另一个”，你会得到8或9。 这并非每次都会奏效——但如果对你有效，你可能会怀疑我有超能力。其实我没有。 事实是，大多数大语言模型都陷入了一种模式。它们的回答比你预期的要可预测得多，也缺乏创意得多。对于编码或研究这类任务，这倒没问题；但当你在头脑风暴或计划下次假期时，这种群体思维就成了问题。 澳大利亚初创公司Springboards给出了一个解决方案。它构建了一个名为Flint的LLM，经过训练后，对于“我应该去欧洲哪里？”这类开放式问题，它能给出比主流LLM更多样化的回答。 “大多数语言模型都在对抗幻觉，”Springboards联合创始人兼CEO Pip Bingemann说，“而我们欢迎它们。” Bingemann在首次向我展示公司新模型时，就向我介绍了这个随机数游戏。感觉就像在看魔术师玩牌。“这是我们的销售伎俩，而且每次都能奏效，”他说。 在ChatGPT和Claude都给出7之后，Bingemann转向Flint。它也给出了7：“啊哈，当然会是这个结果，但没关系——7是个合理的答案。”他重启了会话并再次提示：ChatGPT给了7，Claude给了7，Flint给了3.7916。 ### **跑出你的风格** 不只是数字。当Bingemann问ChatGPT和Claude说出一种汽车品牌时，他预测会是丰田或本田——结果他猜对了。Flint给出了福特F-150。“这些模型遗漏了大量信息，”他说，“它们完全有能力说出别克或特斯拉。但它们就是不说——它们有偏见。” Bingemann向这三个模型发出了最后一次提示：“为New Balance跑鞋的一个推广活动想一句标语。只要标语。”Claude：“Run your way.” ChatGPT：“Run your way.” Flint：“Built to last, run to win.” 它不会获奖，但至少与众不同。 LLM的这种奇怪局限性开始受到更多关注。去年11月，一个研究团队发表了一篇论文，题为《人工蜂群思维：语言模型的开放性同质性（及其超越）》(https://arxiv.org/pdf/2510.22954)，揭示了令人惊讶的重复程度——不仅体现在单个LLM的答案中，也体现在不同模型之间。他们发现，当被问及开放式问题时，不同的LLM会趋同于非常相似的答案。 目前还不清楚具体原因，但研究人员推测，这是因为当今大多数LLM都以相似的方式在相似的数据上接受训练，执行相似的任务。该团队在主要AI会议NeurIPS上获得了最佳论文奖(https://blog.neurips.cc/2025/11/26/announcing-the-neurips-2025-best-paper-awards/)。 当研究人员让25个不同的LLM（包括美国顶级公司的模型以及来自中国等地的开源模型）各回答50次“写一个关于时间的隐喻”时，在1250个回答中，大多数都是“时间是河流”或“时间是织布者”的变体。 （我问了一些同事同样的问题，六个人给了我六个不同的答案。我最喜欢的一个：“时间是一件最爱的卫衣，被一生的穿着塑造成型。”） Springboards联合创始人兼CTO Kieran Browne说，当你留意时，就会发现重复无处不在。“大多数聊天界面的设计方式，让人感觉像是在进行一场私人对话，”他说，“我认为大多数人并没有真正意识到，他们得到的东西跟别人得到的是一样的。” 再举一个例子：“我的乐队应该叫什么名字？”Browne说，大多数模型会给出包含“glass”、“neon”、“velvet”或“static”的名字。 当我尝试时，ChatGPT吐出了一份包含56个乐队名字的列表。排在首位的是“Glass Harbor”。快速浏览中，我发现了“Static Empire”、“Neon Hearts”和“Velvet Echo”。我问了Gemini；它给出了15个建议，其中包括“Static Horizon”。 不过有些建议看起来还挺酷的。ChatGPT的“Sofa Astronauts”吸引了我的注意，所以我谷歌了一下——发现确实有一个叫Sofa Astronauts的乐队存在。 （OpenAI表示，训练模型给出可靠且连贯的回答，会导致它们趋向于熟悉的高概率回复，而过度追求新颖性可能导致回答变弱或可靠性降低。它还指出，“人工蜂群思维”论文研究的是2024年的模型，这些模型此后已经更新。） ### **创意弹射器** Springboards开发了一款工具，背后由包括ChatGPT和Claude在内的LLM阵容支持，广告或营销领域的创意专业人士可以用它来进行头脑风暴。该工具允许你拖动不同模型生成的文本，挑选你喜欢的部分，并将它们组合成新的内容——理论上如此。Springboards将Flint作为一款替代模型进行推广，当用户需要更多多样性时，可以选择它。 商业策略初创公司Bodacious的创始人、由洛杉矶湖人队卢卡·东契奇建立的直达粉丝营销平台77X的首席战略官Zoe Scaman一直在试用这款工具。“我发现它在把我引向完全不同的方向方面非常有用，”她说，“当我想让自己天马行空时，我就会用它。” 在一次测试中，Scaman让Flint与Claude、Gemini和ChatGPT竞争，向每个模型提出了一个经典的MBA案例研究：你如何为当今的年轻人重新打造一家金融公司？她说，三个主流模型都走了同一条路：“你知道，我们需要用一种有趣又时髦的方式来教授金融知识——但这并不新鲜。” 但Flint提出了不同的想法，建议整个财富积累的概念应该重新品牌化。“这真的很有意思，”Scaman说。 她指出Flint仍是一个原型，并非总是有效。“当你开始把它推得太远时，它有时会崩溃，”她说，“但我认为它背后的理念非常强大。” ### **调节温度** Springboards在Qwen 3（阿里巴巴的开源模型）的基础上构建了Flint。“我们是一个小团队，”Browne说，“训练一个基础模型对我们来说不现实。太贵了。” 大多数LLM都有设置，可以调节输出的随机性。最常见的一种叫做温度(https://www.technologyreview.com/2026/01/07/1130795/what-even-is-a-parameter/)。“显然，这是我们最先探索的东西之一，因为别人都会告诉你：想要更多创意，就调高温度，”Browne说。 但更改这些设置也可能使模型变得语无伦次。Browne说，将OpenAI某个模型的温度调到最高，会导致它生成的回答在句子中间从英文变成代码。 Springboards意识到，对于他们想做的事情来说，参数是粗糙的工具。他说，全面调高随机性没有意义；你只希望在输出的特定节点上增加随机性。 例如，当你问聊天机器人“我应该去欧洲哪里？”时，模型只需要在命名目的地之前稍微调整随机性，而不是在回答的每个词上。 为了让Flint做到这一点，Springboards训练了其版本的Qwen 3，使其能够识别输出中可以提供更多多样性的节点，并在这些位置填入稍微随机一些的单词或短语。 “Flint被设计成会抛出一个异类。它更像是在邀请你拓宽思路，”营销公司Uncommon的联合创始人兼首席战略官Maximilian Weigl说，“这非常有趣。” Weigl的团队将Flint与ChatGPT、Claude和Gemini一同使用。“你很难用那些把你拉回平均水平的工具创造出突破性的东西，”他说。 然而Weigl也指出，在十次使用中，有九次平均水平就够了。他说，你并不总是需要用Flint这样的工具去追求极端：“大多数人对‘足够好’就满足了。他们想看到大众熟悉的玩意儿。” Weigl还警告不要过度使用任何LLM。“当人们依赖任何AI（包括Flint）的输出时，我有很大的疑虑，”他说，“如果我看到团队里的人从AI复制粘贴内容，我会说：‘那不是你的工作！思考，和别人交流，用你自己的声音。’” 目前，Flint面向广告商和营销人员，因为他们是Springboards的客户。但Bingemann和Browne坚持认为，缺乏多样性是任何使用聊天机器人都面临的问题。 Bingemann说，我们的想法是给人们选择权，让他们自己决定结果好不好。“当你试图激发创意时，多样性很棒，”他说，“让我们走这条路，而不是让机器包办一切，最终陷入一个灰暗、乏味的世界。”