创造力的配方：大语言模型中的迭代生成与评估

生成模型常通过单一产物来评估，而人类创造力通常经由迭代生成、评估与打磨而涌现。本试点研究将FunSearch改造用于2024年Pillsbury烘焙大赛（Pillsbury Bake-Off）的食谱生成，并用基于TTCT的LLM评估把输出与人类基准对比，考察迭代搜索能否提升LLM创造力。在两个实验中，我们测试了迭代次数、生成器温度与循环内选择评分器的模型规模。结果表明，迭代生成-选择能产出创造力得分与人类基准相当的食谱，但仅增加迭代次数并不能提升创造力。循环内的评估器影响最大：更小的选择评分器在多数TTCT维度上产生显著更高的分数，而温度除独创性（originality）外影响有限。这些发现表明，评估器设计是主观创造性搜索中的一阶设计变量。