AI模型的‘创意’输出在各提供商之间正变得相似

# AI模型的“创意”输出在各提供商间正趋于相似 来源：https://www.unite.ai/ai-models-creative-output-is-becoming-similar-across-providers/ **新研究表明，来自竞争对手公司的AI模型在创意回答上正变得越来越相似，这可能收窄用户接触到的创意范围。** 美国一项新研究发现，多家领先AI模型在“创意”输出上正随时间推移变得日益趋同。 来自杜克大学的研究人员测试了12家提供商的69个模型，涵盖2023年至2026年发布的版本，发现无论是针对现实世界的开放式问题，还是标准的创造力测试，模型输出的多样性都呈现统计学意义上的显著下降——这表明在所有主要大语言模型提供商中，回应“创意”请求时提供的想法正逐渐趋同。 测试的提供商包括：Anthropic、Cohere、DeepSeek、Google、Meta、MiniMax、Mistral AI、Moonshot AI、OpenAI、Qwen、xAI和Z.ai*。 *（根据新论文——研究中使用的模型版本，从2023年3月到2026年7月。图表覆盖了12家AI提供商的68个模型版本，展示了测试模型在三年时间内的分布情况，并显示某些提供商的发布频率日益增加，这需要在作者的计算中加以考虑。来源：https://arxiv.org/pdf/2608.19437）* 新论文（https://arxiv.org/pdf/2608.19437）的作者指出： **“我们发现，大语言模型对我们[测试的]开放式提示的回应，正随时间变得日益相似。** **“这表明，大语言模型在生成开放式回应的任务上正变得缺乏创意，需要对其作为创意助手的长期有用性进行审视。”** 作者断言，尽管“算法单极化”已成为一个确立的研究领域，但此前尚未有针对AI生成创意输出同质化趋势的研究。 然而，一些孤立事件早已指向这种趋同趋势，例如康奈尔大学2026年5月的一项研究（https://www.unite.ai/why-does-ai-love-writing-about-lighthouse-keepers/）中描述的奇特案例：研究表明，多家大语言模型提供商都表现出对“灯塔看守人”以及一组特定的过时名字（包括“Mara”和“Elias”）的奇特而重合的执迷。 *（5月，康奈尔大学的新论文发现，当面对“开放提示”时，不同大语言模型提供商之间存在奇特的相似性——尽管这些模型所基于的多样化训练数据中，尚无明显线索能解释这一点。）* 新研究更具系统性：研究人员使用历时三年的模型，分别针对现实世界的创意提示和一项经典心理学测试（该测试征集日常物品的非常规用途）进行测试。然后，他们测量模型答案在意义上的距离，并追踪这些距离在不同代际模型间是否缩小。 这篇题为**《大语言模型是否变得同样富有创意？来自三年模型的证据》**的新作作者指出： **“我们的发现虽属初步，但引发了对大语言模型作为创意伙伴长期有用性的担忧。即使模型在创意任务上表现良好，趋同的输出也可能限制大语言模型用户所能接触到的可能性范围，进而限制他们自身思维的广度。** **“如果使用大语言模型进行创意任务（如论文写作）会降低大脑活动（https://arxiv.org/abs/2506.08872），那么使用创意性日益降低的大语言模型——本研究所暗示的趋势——是否会进一步加剧大语言模型对人类创造力的负面影响？正如本研究及其他研究所观察到的那样（https://www.science.org/doi/10.1126/sciadv.adn5290）（https://arxiv.org/abs/2402.01536）。** 大语言模型文本输出的多样性特征已成为网络迷因的素材（https://www.unite.ai/the-rise-of-ai-slop-accusations-is-becoming-a-new-form-of-gatekeeping/）；并且，正如我们今年5月报道的那样，至少有一位作者已经自行出版了一本书，书中显然体现了主要模型共同存在的上述“灯塔”执念（https://www.unite.ai/why-does-ai-love-writing-about-lighthouse-keepers/#:~:text=where%20this%20name%20has%20apparently%20been%20used%20as%20the%20title%20for%20the%20author%2Fs%20of%20diverse%20books%2C%20including%20medical%20books）。 因此，在出版商越来越多地撤回疑似AI撰写（https://archive.is/20260819212727/https:/www.wsj.com/arts-culture/books/generative-ai-book-publishing-be79a287）或AI辅助创作书籍（https://www.theguardian.com/technology/2026/mar/29/ai-written-books-novel-shy-girl-publishers）的背景下，新研究表明，我们可以预期在看似人类创作的作品（包括学生提交的学术作品）中，会出现越来越多的“情节巧合”。 关于这种趋同现象的来源，作者推测，重叠的训练数据和日益相似的优化目标可能正推动模型在概念和语义关系的内部表征上趋于一致，最终产生更相似的答案： **“目前仍不清楚这种同质性是尚在发展的技术的暂时副产品，还是统计语言模型不可避免的——且可能不断加剧的——特征（https://arxiv.org/abs/2305.17493）。** **“两种可能性都有看似合理的论据支持。大量学术研究表明，在重叠数据上训练并针对相似目标进行优化的生成模型，将以日益相似的方式组织概念和语义关系（https://arxiv.org/abs/2405.07987）（https://arxiv.org/abs/2505.21677）（https://arxiv.org/abs/2505.00047），从而导致相似的输出。”** 然而，作者也引用研究（https://openreview.net/pdf?id=H9n6yqM3a8）指出，随着模型演进，它们在创意输出方面可能会再次分化，形成各自独特的特征集合。 ## 研究方法 为追踪AI模型是否正变得相似，研究人员从开放式问题入手，收集了不同代际模型的回答。每个答案都被转换为其意义的数值表示，从而能够测量回应的相似或差异程度。 随后，使用回归分析（https://www.unite.ai/what-is-linear-regression/）来确定随着新模型的发布，这些差异是否在缩小： *（作者用于测量AI输出是否随时间变得相似的方案。开放式创意提示被用于不同模型家族，其答案通过意义映射来测量彼此间的距离，并通过回归分析追踪这些距离在不同代际模型间的变化情况。）* 为了从不同角度测试创造力，研究选择了两组提示。首先是**替代用途测试**（https://content.scirp.org/pdf/oalibj_2021061715201595.pdf）（AUT），这是一项标准的发散性思维心理学测试，要求对普通物品提出非常规用途，研究使用了诸如**书**、**鞋子**和**锤子**等物品。其固定格式提供了一种可控的方式来比较不同模型产生的想法。 另外100个提示提炼自**Infinity-Chat100**（https://arxiv.org/abs/2510.22954），这是一组源自与语言模型真实对话的集合。这些提示涉及约束较少的创意任务，包括内容生成、问题解决、头脑风暴和构思；这些任务允许在产生的答案和采取的方法上拥有更大的自由度。 完整的AUT和Infinity-Chat100提示集随后被发送给2023年3月至2026年7月间发布的模型，涵盖Anthropic、Google、Meta、OpenAI、DeepSeek和Mistral AI等12家提供商的系统。所有回应均通过OpenRouter的API在相同的采样设置下收集，**温度**（https://www.ibm.com/think/topics/llm-temperature）（创意回应的自由度）和**top-p**（https://docs.mistral.ai/resources/cookbooks/concept-deep-dive-sampling-top_p）均设置为1。 模型按发布月份排列，以研究更新代际的模型是否产生更相似的答案。 由于发布日期实际上并未反映训练数据、架构或后训练阶段的变化，作者将所得趋势视为与模型发展的关联，而非时间流逝本身导致趋同的证据。 然后，使用**all-MiniLM-L6-v2**（https://github.com/clems4ever/all-minilm-l6-v2-go）句子嵌入器将模型答案转换为嵌入向量。每个回应被表示为一个数值向量（https://www.unite.ai/what-is-vector-similarity-search-how-is-it-useful/），使得意义相似的答案在向量空间中方向相近，从而可以测量其语义距离。 对于AUT，为每个物品提出的所有用途被视为一个整体回应，每个模型产生十个嵌入向量。对于Infinity-Chat100，每个答案分别嵌入，每个模型产生100个嵌入向量。 27个发布月份被归为九个时间段，仅比较来自不同提供商的模型。在每个时间段范围内测量它们答案之间的语义距离，距离越小表明相似度越高。 为防止拥有更多模型的提供商主导结果，分析重复进行了1,000次，每次使用来自每个提供商的平衡样本。 ## 研究结果 随后使用线性回归追踪这些距离随时间的变化，一致的负斜率表明来自不同提供商的模型正变得越来越相似： *（初始测试结果，显示不同AI提供商的创意回应是否随时间变得相似。替代用途测试和Infinity-Chat100提示的语义距离均有所下降，而重复的平衡采样产生了持续的负趋势，表明不同代际模型间的相似度在增加。）* 关于这些结果，作者强调： **“对于AUT和Infinity-Chat的回应集，我们都观察到跨提供商的输出距离在观察期内有所下降。** **“这表明大语言模型创意输出的多样性在减少——或者说同质性在增加——随时间推移。”** 较新模型与较旧模型之间的差异在替代用途测试中最为明显。不同提供商答案之间的平均距离从最早模型的约0.50下降到最新模型的0.40以下，这意味着它们的答案变得显著相似。在Infinity-Chat100中也发现了相同的模式，尽管变化幅度较小，平均距离从约0.34降至仅略高于0.32。 *（测试结果衡量了不同AI提供商的答案随时间变得相似的速度。“替代用途”测试显示模型间差异的下降幅度远大于Infinity-Chat，两项结果在研究人员的重复抽样测试中均保持一致。）* 这一发现也经受住了所有1,000轮平衡重采样的检验。在每一种情况下，较新模型产生的答案都比旧模型产生的答案更为接近。这些下降的幅度以及研究人员的95%置信区间在上图中有所体现。 论文就此指出： **“鉴于AUT测试的目的，其下降幅度尤其值得注意。AUT通过指示模型产生尽可能原创和出乎意料的用途来明确测试发散性思维，这恰恰是预期输出会存在差异的场景。”** Infinity-Chat的结果显示，同样的趋势也出现在更广泛的创意任务中。其100个提示要求模型产生多种不同类型的开放式答案，**这些答案也随时间变得相似**。 与替代用途测试相比，变化幅度较小，但在2025年及之后发布的模型中变得更加明显。作者认为，这可能是一个早期迹象，表明不同AI提供商的创意输出正普遍变得相似，而不仅仅是在某一特定类型的测试上。 ## 结论 大语言模型和视觉语言模型的趋同问题，在学术界和使用其衍生下游模型的消费者中，都是一个持续且日益增长的担忧来源（https://www.unite.ai/why-ai-dogfooding-is-no-longer-optional-for-business-leaders/）。我们正处在研究领域能够接触到的首个也是唯一的“纯净”代数据的末尾；而模型提供商“窃取”竞争对手数据（https://www.anthropic.com/news/detecting-and-preventing-distillation-attacks）的决心不可避免地带来趋同风险，因为数据正变得相同，模型训练的原则即使不完全相同，在提供商之间也高度相似。 因此，不太可能出现像简单替换破折号（https://www.inc.com/joe-procopio/5-obvious-ways-everyone-knows-youre-using-chatgpt/91268981）那样简单的方法来应对模型家族间创意输出日益增长的相似性；重复案例更可能以相当公开和令人尴尬的方式被揭露出来。 *（*完整模型列表为：Claude-3-Haiku；Claude-Fable-5；Claude-Opus-4；Claude-Opus-4.1；Claude-Opus-4.5；Claude-Opus-4.6；Claude-Opus-4.7；Claude-Opus-4.8；Command-A；Command-R-08-2024；DeepSeek-Chat；DeepSeek-V3.1-Terminus；DeepSeek-V3.2；DeepSeek-V4-Pro；Gemini-2.5-Pro；Gemini-3-Flash-Preview；Gemini-3.1-Pro-Preview；Gemini-3.5-Flash；Llama-3.1-70B-Instruct；Llama-3.2-3B-Instruct；Llama-3.3-70B-Instruct；Llama-4-Maverick；MiniMax-01；MiniMax-M1；MiniMax-M2；MiniMax-M2.1；MiniMax-M2.5；MiniMax-M2.7；MiniMax-M3；Mistral-Large；Mistral-Large-2407；Mistral-Large-2512；Mistral-Medium-3；Mistral-Medium-3.5；Mistral-Medium-3.1；Mistral-Small-24B-Instruct-2501；Mistral-Small-2603；Mistral-Small-3.1-24B-Instruct；Mistral-Small-3.2-24B-Instruct；Mixtral-8x22B-Instruct；Kimi-K2；Kimi-K2-0905；Kimi-K2.5；Kimi-K2.6；GPT-4.1；GPT-4.1-mini；GPT-4.1-nano；GPT-4o；GPT-4o-mini；Qwen-2.5-72B-Instruct；Qwen-3-235B-A22B；Qwen-3-30B-A3B；Qwen-3-32B；Qwen-3-8B；Grok-2；Grok-3；Grok-3-mini；Grok-4-0709）*