Enhancing Creativity in Large Language Models through Associative Thinking Strategies

这篇论文探讨了如何通过联想思维来提高像vGPT-4这样的大型语言模型的创造力。联想思维是一种认知过程，通过将看似无关的概念联系起来，产生创造性的想法。联想思维策略已被证明可以有效地帮助人类提高创造力。然而，同样的策略是否可以帮助LLMs变得更有创造力尚未得到充分的探讨。在这项工作中，我们研究了是否可以通过提示LLMs连接不同的概念来增强它们的创造性输出。我们专注于三个领域——产品设计、故事叙述和营销——并引入了旨在评估vGPT-4生成原创和有用内容能力的创造性任务。通过挑战模型形成新颖的联想，我们评估了联想思维提高LLMs创造能力的潜力。我们的研究结果表明，利用联想思维技巧可以显著提高vGPT-4的回应的原创性。

探索如何通过联想思维提高大型语言模型的创造力，以解决当前仍未得到解决的问题。

通过提示LLMs连接不相关的概念，来增强其创造力，从而提高其生成原创性和有用性内容的能力。

论文设计了三个创造力任务，分别是产品设计、故事叙述和营销，通过挑战模型形成新颖的联想，评估了联想思维提高LLMs创造力的潜力。实验结果表明，利用联想思维技巧可以显著提高vGPT-4响应的原创性。

最近的相关研究包括使用GAN生成创意设计，以及使用自适应学习算法来提高LLMs的生成能力。