AI设计创意基准测试：LLM仍输人类

#ARTICLE HackerNews 2026.10.15

推荐指数 69.0 NO. 016 · 2026.10.15

发布2026/10/14Score146Comments126

为什么值得看

Design Creativity Bench 发布首个评估 AI 模型 UI 设计创意的基准，16 个前沿模型在 80 个开放任务中表现均落后于人类设计师。该基准从原创性、创意范围和适应性三维度量化评估，填补了现有 UI 评测只关注功能性的空白。

编辑判断

这个基准的聪明之处在于把'创意'拆成了可量化的三个维度，尤其是 Originality 用模型间输出差异来度量，避免了主观评分的人力成本。之前设计领域被 Dribbble shots 和 Midjourney 的视觉惊艳感带偏了，大家以为 AI 设计已经很强，实际上落地到产品 UI 的创意决策还很机械。

对做 AI 设计工具的创业者来说，这是一个明确的差异化信号——别卷'生成速度'和'代码还原度'了，那是 Figma AI、V0 已经做到 80 分的事。在创意辅助、风格探索、跨领域迁移这些维度上，模型能力还有 2-3 年的窗口期可以追。

建议直接跑一下他们开源的 80 个 task，看看你的产品在哪个维度最弱，这比自己做用户调研快十倍。

社区反馈

负面 123 条评论

核心争论：LLM能否仅靠合成数据训练，还是必须依赖人类原创数据避免输出同质化

vatsachak

Thanks for pointing this out. The reason why LLMs cannot be purely* pre-trained on LLM outputs is because LLM output diversity is low. This implies two things: 1) There is going be no functional difference between hypothetical Qwen 4.5 and Fable 5.5 2) LLMs are not AGI

amelius

Llms are trained on llm output all the time ...

vatsachak

Edited it to reflect my meaning. I meant that you cannot pre-train an LLM purely on LLM output

查看原文 →