LLMs are stuck in a groupthink groove. This startup is trying to get them out.

AI 摘要

一句话摘要: 文章指出大型语言模型存在群体思维问题，初创公司Springboards推出Flint模型以增加回答多样性。 关键事实: 多数LLM在随机数、汽车品牌等开放性问题中给出相似答案，如随机数常为7；Springboards的Flint模型能产生更多样化回答，如随机数3.7916；研究显示25个不同LLM在时间隐喻上高度重复，如“时间如河流”。 涉及主体: Springboards, Pip Bingemann, Kieran Browne, Flint, ChatGPT, Claude, Gemini 可能影响: 该问题可能推动AI行业开发更注重多样性和创造性的模型，改变当前模型在创意任务中的局限性。 是否值得继续跟踪: 是，因为群体思维问题影响AI在创意领域的应用，Springboards的解决方案可能引领新趋势。 噪音/炒作风险: 中，文章强调问题真实存在，但Flint模型的具体效果和广泛适用性仍需验证，存在一定炒作成分。