Design Creativity Bench 发布：16 个前沿模型 UI 设计创造力评测
Why do LLM pelicans look like this?
研究人员发布 Design Creativity Bench，在 80 个开放性 UI 任务、两种产品域上评估 16 个前沿模型的 UI 设计创造力，从原创性、创意范围和适配性三个维度衡量。
用原创性、创意范围和适配性三维度衡量前沿模型的 UI 设计创造力，给出与人类设计师的具体分数差距。
DD
Dipanjan Dey ✓
@Dipanjan_Dey
⚠️ 在设计创意方面，前沿 AI 模型仍与人类设计师存在显著差距。 ⚠️
我们推出 Design Creativity Bench（设计创意基准），这是一个用于评估 AI 模型在 UI 设计任务中创意能力的新基准。
尽管前沿模型在生成可用网站和产品 UI 方面进步迅速，但它们在做出具有创意的设计决策上仍然力不从心。
我们在 80 个开放式 UI 任务上评估了 16 个前沿模型，每个任务适配两个不同的产品领域，并以人类设计师的作品作为参照。
现有 UI 基准通常仅衡量单一输出质量指标，我们则衡量设计创意的三个维度：
- – 原创性：模型针对同一需求的设计与其他模型输出之间的差异程度。
- – 创意广度：模型在产品领域变化时调整其设计决策的程度。
- – 适切性：生成的 UI 在多大程度上满足需求的功能性要求。
结果显示整体创意存在显著差距：表现最好的模型 @OpenAI GPT-6 Astra 得分为 65.5，而人类参照得分为 92.3。
我们发布完整的排行榜、方法论以及可复现的评估框架，让设计创意成为前沿模型能力中可被量化的一个维度。
📊 基准排行榜：https://kombai.com/benchmark/
📄 论文：https://arxiv.org/abs/2610.11539
🤗 HuggingFace 数据集：https://huggingface.co/datasets/Kombai/design-creativity-bench
🔗 Github：https://github.com/kombai-io/design-creativity-bench/
来源：Hacker News · arcfu.com