初创公司提出解决AI群体思维问题方案

大型语言模型（LLM）正在陷入一种“群体思维”的怪圈。无论你打开Claude、ChatGPT还是Gemini，输入“给我一个1到10之间的随机数”，你大概率会得到7。这并非巧合，而是当前主流AI模型在开放性问题上表现出的高度同质化现象。对于编码或研究等任务，这种可预测性或许无伤大雅，但在头脑风暴或规划旅行这类需要创意的场景中，模型的“随大流”就成了大问题。一家名为Springboards的澳大利亚初创公司正试图打破这种僵局，他们开发了一款名为Flint的LLM，专门训练来提供比主流模型更多样化的回答。 核心问题：为什么AI会陷入“群体思维”？这源于大模型的训练方式。它们通常在海量互联网数据上学习，倾向于输出统计上最“安全”或最常见的答案。例如，在1到10之间，7往往是最常被人类选择的数字，因此模型也学会了“偷懒”。Springboards的解决方案是，通过特殊的训练方法让Flint模型学会“跳出框框”。当用户提出“我应该去欧洲哪里旅游？”这类开放式问题时，Flint不会直接给出巴黎或伦敦这类热门答案，而是会提供更小众、更具差异化的建议。对于跨境电商卖家而言，这意味着在生成营销文案、产品创意或市场策略时，AI能提供更多元化的思路，避免千篇一律的“陈词滥调”。而对于AI从业者，这则指向了当前大模型在创造性任务上的一个关键短板——如何让AI真正学会“创新”，而非仅仅是“复述”。