人类创造力基准

现代AI评估框架把评估者分歧当需解决的噪声。在创意领域，专业分歧反映品味的真正差异而非测量误差。我们论证评估创意AI需要保留两个不同信号：汇聚——专业人士围绕共同最佳实践对齐；分歧——个人品味合理地变化。我们提出人类创造力基准（HCB）：通过从领域专业人士收集成对偏好、对标提示遵循度、可用性与视觉吸引力的标量评分以及定性理由来操作化该分离。跨五个创意领域与三个工作流阶段（构思、草图、精修）的15,000条专业判断：汇聚集中在可验证维度如技术正确性与视觉层级，分歧集中在品味驱动维度如美学方向与概念风险。没有模型在所有阶段全面出色。把这些信号坍缩为单一质量指标丢弃了最可操作的信息。