精选13天前0 投票
AI 的“群体思维”困局：这家初创公司带来新解法
从“随机数陷阱”看 AI 创造力缺失
当你向 Claude、ChatGPT 或 Gemini 索要一个 1 到 10 之间的随机数时，得到的结果很可能是 7。这并非巧合，而是当前大语言模型（LLM）普遍存在的“群体思维”问题的缩影。它们倾向于给出最安全、最常见的回答，而非真正多样化的输出。
对编码或研究这类任务而言，这种可预测性或许无伤大雅。但在创意构思、旅行规划等需要发散思维的场景下，AI 的“趋同”特性就暴露了短板。澳大利亚初创公司 Springboards 注意到了这一痛点，并推出了名为 Flint 的 LLM。
Flint 如何打破“思维定势”？
Springboards 的解法并非简单的数据扩充或提示优化。Flint 经过特殊训练，能在面对诸如“我该去欧洲哪里旅行？”这类开放式问题时，生成比主流模型更丰富、更多元的回答。其核心在于：让模型跳出“最可能”的路径，探索“有趣”但“合理”的选项。
这种能力对于依赖 AI 进行头脑风暴、产品命名、故事创作的用户来说意义重大。它意味着 AI 不再只是“复读机”，而是能真正提供启发性建议的伙伴。
行业背景：AI 同质化与差异化竞争
当前主流 LLM 的训练目标通常是最小化预测误差，这天然导致输出向高频答案收敛。随着模型能力趋同，“创造性”正成为下一代 AI 竞争的关键维度。Springboards 的尝试代表了一种新思路：从追求“准确”到平衡“准确”与“多样性”。
当然，Flint 能否在保持合理性的同时持续输出高价值创意，仍需市场验证。但至少，它为厌倦了“随机数永远是 7”的用户，提供了一种值得期待的选择。