面向并行LLM创意生成的无锚点多样化

LLM正被越来越多地用于为创意任务生成候选创意池，在这类任务中广泛探索很有价值。当并行推理能在保持质量与成本效率的同时扩大候选池时，它在这种场景下颇具吸引力。我们研究面向候选池多样化的推理时控制手段，追问无锚点方法能否与依赖已观察种子创意的方法相抗衡。我们在三个创意任务族上，在中性与群体参照两类发散指令下，将独立生成与语义方向分层同自锚点（self-）、同伴锚点（peer-）与代表性锚点（representative-anchor）基线进行比较。群体参照发散是一个强大的低成本基线，能在保持质量代理指标的同时提升语义多样性。语义方向分层更强：单次规划调用即可将生成组织到宽泛的语义方向上，取得最佳的多样性—质量—算力前沿。锚定再生在最终池多样性上可以很强，但在全流水线token核算下其优势会缩水。这些结果为开放式LLM创意生成确立了实用的无锚点基线。