为什么 LLM 生成的鹈鹕长这样？

一项新基准 Design Creativity Bench 用 80 个开放式 UI 设计任务评测 16 个前沿模型，从原创性、创意跨度和合理性三个维度衡量设计创造力，最佳模型 OpenAI GPT-6 Astra 得分 65.5，人类设计师参考分为 92.3。团队同时公开了完整排行榜、方法论与可复现评测框架。