我们以为在和不同AI聊天，其实它们越来越像

（来源：麻省理工科技评论）

不妨做一个简单的同A天测试。打开你常用的实们 AI 助手——无论是 Claude、ChatGPT 还是同A天 Gemini，输入指令：“请给我一个 1 到 10 之间的实们随机数”。你很可能会得到 7。同A天接着输入“再来一个”，实们它可能回答 3或 4；再试一次，同A天或许是实们 8或 9。

这种现象并非每次必现，同A天但一旦遭遇，实们你会产生一种错觉：仿佛背后有人提前剧透了答案。同A天事实上，实们并没有任何幕后操纵。同A天

核心问题在于，实们大多数大语言模型（LLM）的同A天输出比用户预期的更具可预测性，且高度趋同。在编写代码或检索事实时，这种一致性或许是优势；但在头脑风暴、广告策划或旅行规划等需要发散思维的场景中，过于雷同的答案反而会成为创意的枷锁。

这一现象的成因并不复杂。当前主流的大语言模型大多基于相似的数据集训练，并朝着相近的目标函数进行优化。为了确保回答的准确性与稳定性，模型倾向于优先选择概率最高、最稳妥的表达方式，而非冒险尝试新颖的说法。长此以往，模型的回答逐渐收敛至少数几种常见模式。换言之，它们越来越擅长生成“大众共识”，却越来越难以提供真正令人耳目一新的观点。

让模型重新“发散”

澳大利亚初创公司 Springboards旨在解决这一痛点。

他们开发了一款名为 Flint的大语言模型，专门针对“欧洲旅行推荐”等开放式问题，力求打破千篇一律的回答套路，提供多元化的思路。“大多数大语言模型都在竭力消除‘幻觉’（即事实性错误），但我们反其道而行之，愿意保留一定的‘幻觉’空间。” Springboards 联合创始人兼 CEO Pip Bingemann 表示。

（来源：Springboards）

Bingemann 通过随机数测试向外界展示了 Flint 的特性。整个过程宛如一场近景魔术，尽管你知道其中没有机关，但仍会对下一张牌充满好奇。“这是我们的销售技巧，”他笑道，“而且几乎屡试不爽。”

当 ChatGPT 和 Claude 均给出数字 7时，Bingemann 将同样的问题抛给 Flint。首次回答，Flint 也给出了 7。“这在意料之中，”他说，“7 本身就是一个合理的答案。”随后，他开启新对话再次提问。这一次，ChatGPT 和 Claude 依然回答 7，而 Flint 却给出了 3.7916。

这种差异性不仅体现在随机数上。

Bingemann 让多个模型列举一种汽车品牌，并预判 ChatGPT 和 Claude 大概率会回答丰田或本田。结果正如所料，而 Flint 给出的却是 福特 F-150。“这些模型拥有海量信息，但许多内容从未出现在默认输出中。”他说，“它们完全可以说出别克或特斯拉，只是更倾向于选择那些最高频的答案。”

最后，他让三个模型为 New Balance 跑鞋撰写广告标语。Claude 的回答是 Run your way（按自己的方式奔跑），ChatGPT 一字不差地重复了同样的答案。而 Flint 给出的则是 Built to last, run to win（为耐久而生，为胜利而跑）。这句标语或许不够惊艳，也未获广告大奖，但它至少没有沦为其他模型的复读机。

模型为何陷入“群体思维”？

大语言模型的这种局限性，正日益引起学术界的关注。

去年 11 月，一组研究人员发表了题为《Artificial Hivemind: The Open-Ended Homogeneity of Language Models (and Beyond)》（《人工蜂群思维：大语言模型及其他系统在开放式任务中的同质化现象》）的论文。研究发现，不仅同一模型会反复输出高度相似的答案，不同大语言模型之间也表现出惊人的一致性。面对开放式问题，它们往往不约而同地收敛至几乎相同的回答。

尽管确切原因尚无定论，但研究团队推测，主流模型采用相似的训练范式、使用相近的数据集，并优化相同的目标，从而形成了趋同的回答模式，即“群体思维”（Groupthink）。这项研究荣获人工智能顶级会议 NeurIPS 的最佳论文奖，使该问题进入更多人的视野。

为验证这一现象，研究团队让 25 个不同的大语言模型（包括美国头部厂商模型及中国等地的开源模型）各回答 50 次同一个问题：“请用一个隐喻来形容时间。”在获得的 1250 个回答中，绝大多数都绕不开“时间是一条河流”或“时间是一位织布者”这类陈词滥调。

相比之下，人类的回答则丰富得多。当向几位同事提出同样问题时，六人给出了六种截然不同的比喻。其中最受青睐的回答是：“时间就像一件最喜欢的卫衣，被岁月一点点穿出了形状。”

Springboards 联合创始人兼 CTO Kieran Browne 指出，这种重复无处不在，只是常被忽视。“如今大多数聊天机器人的界面营造出一种私人对话的错觉，”他说，“但许多用户并未意识到，他们看到的内容与他人所见高度重合。”

乐队命名便是典型例证。

若询问模型“我的乐队应该叫什么名字？”，Browne 表示，大多数模型会围绕 glass（玻璃）、neon（霓虹）、velvet（天鹅绒）和 static（静电）等词汇展开。

向 ChatGPT 提问时，它一口气列出了 56 个名字，首位是 Glass Harbor，后续还有 Static Empire、Neon Hearts和 Velvet Echo。将同一问题抛给 Gemini，在 15 个建议中同样出现了 Static Horizon。这些名字虽具美感，但 Sofa Astronauts（沙发宇航员）虽新颖，搜索却发现现实中已有同名乐队。

对此，OpenAI 回应称，为确保回答的可靠性与连贯性，训练过程会引导模型优先选择常见且高概率的表达，因此不同模型答案相似并不意外。若一味追求新颖性，可能会牺牲回答的准确性与稳定性。

不过，OpenAI 也指出，《Artificial Hivemind》研究分析的是 2024 年版本的模型，而这些模型此后已历经多轮迭代更新。

创意催化器

Springboards 开发了一款面向创意行业的工具，整合了包括 ChatGPT、Claude 在内的多种大语言模型，供广告和营销从业者进行头脑风暴。用户可像拼贴画一样，自由拖拽不同模型生成的内容，挑选片段并重新组合。Flint 是其中的一个可选模型，Springboards 希望用户在寻求更多变化时能主动切换至 Flint。

Zoe Scaman 是商业战略咨询公司 Bodacious 的创始人，同时担任 Luka Dončić 创办的球迷营销平台 77X 的首席战略官。她一直在试用该产品。“它最迷人的地方在于，总能将我的思路引向完全不同的方向，”她说，“每当我想跳出思维定势，就会打开它。”

在一次测试中，Scaman 向 Flint、Claude、Gemini 和 ChatGPT 提出了同一个经典 MBA 案例：如果要为当代年轻人重新打造一家金融公司，你会怎么做？

三个主流模型几乎给出了相同的思路：让金融知识教育更有趣、更年轻化、更具互动性。“这些想法没错，”她说，“但也毫无新意。”

相比之下，Flint 提供了截然不同的视角。它认为，与其重新设计金融产品，不如重新包装“财富积累”这一概念。“这一点让我印象深刻。”Scaman 表示。但她同时也坦言，Flint 目前仍属原型产品，稳定性有待提升。“如果要求过高，它有时会直接崩溃。”她说，“但我认为其背后的思路极具潜力。”

给模型“调温”

Flint 并非从零训练的基础模型，而是基于阿里巴巴开源模型 Qwen 3进行微调。“我们的团队规模很小，”Browne 说，“从头训练基础大模型成本过高，不切实际。”

大多数大语言模型都提供调节输出随机性的参数，业内称为 temperature（温度）。“这是我们最初尝试的方法，”Browne 说，“因为普遍观点认为：想提升创造力，就调高 temperature。”

然而，事实证明此法并不理想。

Browne 透露，他们曾将 OpenAI 模型的 temperature 调至最高，结果模型回答变得前言不搭后语，甚至英文句子说到一半突然切换成代码。Springboards 很快意识到，temperature 更像是一个总开关，无法精细控制创造力。“我们并不希望模型从头到尾都变得随机，”Browne 说，“真正需要变化的，仅是回答中的少数几个节点。”例如，当用户问“欧洲有什么值得去的地方？”时，需要增加变化的只是目的地名称，而非回答中的每一个词。

于是，Springboards 对 Qwen 3 进行了进一步训练，使模型学会识别哪些位置更适合产生变化，并仅在这些节点适度增加随机性，用非标准表达替代默认答案。

营销公司 Uncommon 联合创始人兼首席战略官 Maximilian Weigl 认为，这正是 Flint 的核心价值所在。“Flint 会故意抛出一个出人意料的答案，”他说，“它不是为了提供正确答案，而是邀请你拓宽思路。这一点非常有趣。”

图｜Maximilian Weigl（来源：LinkedIn）

目前，Weigl 的团队同时使用 Flint、ChatGPT、Claude 和 Gemini。“如果一款工具总是将你的想法拉回平均水平，就很难实现突破性创意。”他说。但他也承认，大多数时候平均水平已足够。“十次中有九次，人们只需要一个够好的答案。”他说，“多数用户并不追求新奇，他们更希望看到熟悉、易懂的内容。”

与此同时，Weigl 提醒，任何大语言模型都不应成为思考的替代品。“如果发现团队成员直接复制粘贴 AI 输出，我会告诉他们：这不是你的工作。”他说，“去思考，去交流，用你自己的语言表达。”

目前，Flint 的主要用户仍是广告和营销行业，这也是 Springboards 的核心客户群。但 Bingemann 和 Browne 认为，回答缺乏多样性并非创意行业独有，而是所有聊天机器人用户面临的共性问题。

“我们的目标是将选择权交还给用户，让他们自行判断何为好答案，”Bingemann 说，“当需要激发灵感时，多一点变化总是有益的。与其将一切交给机器，最终得到一个灰暗、千篇一律的世界，不如让它偶尔带我们走一条不同的路。”

https://www.technologyreview.com/2026/07/01/1140003/llms-are-stuck-in-a-groupthink-rut-this-startup-is-trying-to-get-them-out/

(责任编辑：探索)