CreativityBench：通过基于可供性的工具改用评估智能体创造性推理

大语言模型的最新进展使其在推理与环境交互任务上表现强劲，但其创造性问题解决能力仍缺乏充分研究。我们通过创造性工具使用的视角研究这一能力，即模型通过推理物体的可供性（affordance）与属性来改用手头物体，而非依赖其惯常用途。作为第一步，我们提出CreativityBench，一个用于评估LLM基于可供性的创造力的基准。为此，我们构建了一个大规模可供性知识库（KB），包含4K实体与150K+可供性标注，显式关联物体、部件、属性与可执行用途。在此知识库之上，我们生成14K个接地（grounded）任务，要求在约束条件下识别非显而易见但物理上合理的解决方案。对10个最先进LLM（包括闭源与开源模型）的评估显示，模型往往能选出看似合理的物体，却无法识别正确的部件、其可供性以及解决任务所需的底层物理机制，导致性能显著下降。此外，模型规模扩展带来的提升很快饱和，强大的通用推理并不能可靠地转化为创造性的可供性发现，而思维链（CoT）等常见推理时策略带来的收益有限。这些结果表明，创造性工具使用对当前模型仍是一项重大挑战，而CreativityBench为研究这一缺失的智能维度提供了有用的试验场，并对未来智能体的规划与推理模块具有潜在意义。