一句话看懂：一篇 arXiv 新论文尝试用统一数学结构定义和测量 AI 创造力，并在国际象棋走法和毕加索、雷诺阿等画家作品上做了验证。如果这套方法站得住脚，未来 AI 应用可能多出一个可计算的“创造力”指标。
事件核心：发生了什么
2026 年 10 月 12 日，arXiv cs.AI 收录了一篇新论文，标题为《Towards Defining, Measuring, and Leveraging Creativity in AI Applications》。作者指出，计算创造力领域长期存在一个尴尬：有人只给哲学式、非形式化的定义，有人直接抛出数学公式却不检验假设，也很少在具体应用里验证。论文试图同时解决这两个问题。
具体做法是：先基于心理学中关于创造力的研究，尤其是 Boden 提出的三条核心标准——新颖性（newness）、价值（value）和惊喜感（surprise）——提出若干形式化公设；然后给出一套与这些公设一致的数学定义。作者在两类任务上做了验证：判断特定国际象棋走法是否有创造力，以及评估毕加索、雷诺阿等画家的作品创造力。摘要称实验结果能捕捉到棋类和艺术领域的创造性模式。
为什么重要
创造力一直是 AI 生成内容最难量化的部分。图像生成、文本生成、游戏 AI 和科研辅助工具都在追求“更有创意”的输出，但行业缺少可比较、可复现的指标，往往只能靠人工评审或主观打分。这篇论文的价值在于把创造力拆成可操作的三要素，并尝试用统一数学结构覆盖不同领域，而不是为每个场景单独造一套标准。
如果后续研究能验证这套公式的稳定性和可扩展性，它可能影响 AI 应用的评测方式：从只看准确率、流畅度，转向同时衡量新颖性、价值和意外程度。对训练和推理环节也意味着，创造力的优化有望像损失函数一样被显式建模，而不只是靠提示词和采样温度去碰。
对用户/开发者/创作者的影响
目前公开信息仅来自论文摘要，信息范围有限。对开发者来说，这套思路未来可能变成 API 或工具链里的一个评分模块，用于筛选生成结果、比较模型版本，或给强化学习提供奖励信号。对内容创作者和艺术从业者，它更像一个分析工具，而不是替代判断——论文用毕加索和雷诺阿做案例，说明它想处理的是人类已有作品的创造力刻画，而非直接生成艺术。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对企业采购方，值得留意的是：如果创造力可以量化，模型选型时就能多一个维度，但前提是这套指标经过同行评审和跨领域复现，而不是停留在单篇论文的初步实验。
值得关注的后续
第一，论文是否公开完整实验细节与代码，尤其是棋类和绘画数据集、评分参数和基线对比。第二，这套公式能否扩展到文本、音乐、视频生成等更主流的 AI 应用场景。第三，是否有模型厂商或评测机构跟进，把新颖性、价值、惊喜感纳入公开榜单或模型卡。在全文和复现结果出来之前，这些验证结果只应视为该论文在特定任务上的报告，不宜当成永久排名或通用标准。
来源：arXiv cs.AI
