流动变换器与创造性类比：探索大型语言模型增强跨领域类比创造力的能力

跨领域类比推理是一项对人类来说具有挑战性的核心创造力。最近的研究已展示大型语言模型（LLM）生成跨领域类比的概念验证。然而，这种增强人类创造力的能力之可靠性和潜在用途尚未得到系统性探索。本文系统探索 LLM 增强跨领域类比推理的能力。在三项研究中，我们发现：1）LLM 生成的跨领域类比在问题重构任务背景下常被判定为有帮助（5分制中位数为4分），且常（约80%的案例）导致问题表述的明显变化；2）约25%的输出存在潜在危害的上限，其中大多数是由于可能引起不适的内容，而非偏见或有毒内容。这些结果展示了 LLM 增强跨领域类比创造力的潜在用途及风险。