衡量 LLM 智能体的创造力潜力

一项研究提出从 P-创造力、H-创造力、影响力和可行性四个维度量化评估 LLM 智能体在机器学习任务中的创造力。该方法采用 LLM-as-a-Judge（GPT-5）对解决方案的新颖性进行 0-4 分评分，并以 877-3,747 个 Kaggle 笔记本作为 H-创造力的比较基线。研究旨在分析不同智能体框架如何引导创造性搜索过程，以解释其性能差异。