論文の概要: Universe of Thoughts: Enabling Creative Reasoning with Large Language Models

• arxiv url: http://arxiv.org/abs/2511.20471v1
• Date: Tue, 25 Nov 2025 16:34:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.554143
• Title: Universe of Thoughts: Enabling Creative Reasoning with Large Language Models
• Title（参考訳）: 思考の宇宙:大規模言語モデルによる創造的推論の実現
• Authors: Yuto Suzuki, Farnoush Banaei-Kashani,
• Abstract要約: 認知科学の原理に触発された創造的推論のための計算フレームワークを導入する。 本稿では,テキスト探索,テキスト変換,テキストUoTという3つの中心的創造的推論パラダイムを提案する。 UoTは創造的推論において優れたパフォーマンスを示す。
• 参考スコア（独自算出の注目度）: 1.9480051045857554
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reasoning based on Large Language Models (LLMs) has garnered increasing attention due to outstanding performance of these models in mathematical and complex logical tasks. Beginning with the Chain-of-Thought (CoT) prompting technique, numerous reasoning methods have emerged that decompose problems into smaller, sequential steps (or thoughts). However, existing reasoning models focus on conventional problem-solving and do not necessarily generate creative solutions by ``creative reasoning''. In domains where the solution space is expansive and conventional solutions are suboptimal, such as drug discovery or business strategization, creative reasoning to discover innovative solutions is crucial. To address this gap, first we introduce a computational framework for creative reasoning inspired by established cognitive science principles. With this framework, we propose three core creative reasoning paradigms, namely, \textit{combinational}, \textit{exploratory}, and \textit{transformative} reasoning, where each offers specific directions for systematic exploration of the universe of thoughts to generate creative solutions. Next, to materialize this framework using LLMs, we introduce the \textit{Universe of Thoughts} (or \textit{UoT}, for short), a novel set of methods to implement the aforementioned three creative processes. Finally, we introduce three novel tasks that necessitate creative problem-solving, along with an evaluation benchmark to assess creativity from three orthogonal perspectives: feasibility as constraint, and utility and novelty as metrics. With a comparative analysis against the state-of-the-art (SOTA) reasoning techniques as well as representative commercial models with reasoning capability, we show that UoT demonstrates superior performance in creative reasoning.
• Abstract（参考訳）: LLM(Large Language Models)に基づく推論は、数学的および複雑な論理的タスクにおいてこれらのモデルの卓越した性能のために、注目を集めている。 CoT(Chain-of-Thought)プロンプト技術から始まり、問題をより小さなシーケンシャルなステップ(あるいは思考)に分解する多くの推論手法が出現した。 しかし、既存の推論モデルは従来の問題解決に重点を置いており、「創造的推論」によって創造的なソリューションを必ずしも生成しない。 ソリューション空間が拡大し、従来のソリューションが薬の発見やビジネスストラテジゼーションといった準最適である領域では、革新的なソリューションを発見する創造的推論が不可欠である。 このギャップに対処するために、まず、確立された認知科学の原理に着想を得た創造的推論のための計算フレームワークを導入する。 本枠組みでは,3つの中心となる創造的推論パラダイム,すなわち,創造的ソリューションを生み出すための思考の宇宙を体系的に探索するための具体的な方向を提供する。 次に、このフレームワークを LLM を用いて実現するために、上記の3つの創造プロセスを実装するための新しい手法である \textit{Universe of Thoughts} (略して \textit{UoT})を紹介する。 最後に、創造的な問題解決を必要とする3つの新しいタスクと、3つの直交的な視点から創造性を評価するための評価ベンチマークを紹介します。 最先端推論技術(SOTA)と、推論能力を持つ代表的な商用モデルとの比較分析により、UoTは創造的推論において優れた性能を示すことを示す。

関連論文リスト

• CreativityPrism: A Holistic Benchmark for Large Language Model Creativity [64.18257552903151]
  創造性はしばしば人間の知能の目印と見なされる。 さまざまなシナリオにまたがってクリエイティビティを評価するための総合的なフレームワークはまだ存在しません。 本稿では,創造性を質,新規性,多様性の3次元に分解する評価分析フレームワークであるCreativePrismを提案する。
  論文  参考訳（メタデータ） (2025-10-23T00:22:10Z)
• Combinatorial Creativity: A New Frontier in Generalization Abilities [14.121904952399975]
  大規模言語モデル(LLM)における創造性のスケーリング挙動について検討する。 固定的な計算予算では、創造力に最適なモデル深さと幅が存在することが分かりました。 LLMは新たな科学的アイデアの創出に長けつつ,現実的な実現性確保に苦慮しているため,創造性アルゴリズムの基本的な新規性・実用性トレードオフ特性によって説明できる可能性が示唆された。
  論文  参考訳（メタデータ） (2025-09-25T11:48:37Z)
• Rethinking Creativity Evaluation: A Critical Analysis of Existing Creativity Evaluations [48.57816792550401]
  クリエイティビティ指標,パープレキシティ,構文テンプレート,LCM-as-a-Judgeなどのクリエイティビティ指標について検討した。 分析の結果、これらの指標は限定的な一貫性を示し、創造性の異なる次元を捉えていることがわかった。
  論文  参考訳（メタデータ） (2025-08-07T15:11:48Z)
• Large Language Models as Innovators: A Framework to Leverage Latent Space Exploration for Novelty Discovery [19.394116388173885]
  大規模言語モデル(LLM)は、しばしば新規かつ関連する出力を生成するのに苦労する。 本稿では,モデルに依存しない潜在空間の創造性を実現するフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-18T12:54:28Z)
• Perception, Reason, Think, and Plan: A Survey on Large Multimodal Reasoning Models [79.52467430114805]
  推論は知性の中心にあり、決定し、結論を導き、ドメインをまたいで一般化する能力を形成する。 人工知能において、システムがオープンで不確実でマルチモーダルな環境でますます機能するにつれて、推論は堅牢で適応的な行動を可能にするために不可欠となる。 大規模マルチモーダル推論モデル(LMRM)は、テキスト、画像、オーディオ、ビデオなどのモダリティを統合し、複雑な推論機能をサポートする、有望なパラダイムとして登場した。
  論文  参考訳（メタデータ） (2025-05-08T03:35:23Z)
• Probing and Inducing Combinational Creativity in Vision-Language Models [52.76981145923602]
  VLM(Vision-Language Models)の最近の進歩は、それらのアウトプットが組合せの創造性を反映しているかという議論を引き起こしている。 本稿では,創造的プロセスを3つのレベルに分解するIEIフレームワークを提案する。 このフレームワークを検証するために、IEIフレームワークに従って注釈付けされた666人のアーティストによる視覚マッシュアップの高品質データセットであるCreativeMashupをキュレートする。
  論文  参考訳（メタデータ） (2025-04-17T17:38:18Z)
• Benchmarking Language Model Creativity: A Case Study on Code Generation [39.546827184857754]
  本研究では,LLMの創造性を定量化するフレームワークを提案する。 生成した創造的応答における収束的思考と発散的思考の両方を定量化する計量であるNEOGAUGEを定義する。 我々はCodeforcesの問題に関する提案されたフレームワークをテストする。これは、タスクをコーディングするための自然なデータセットと、先行する人間のソリューションのコレクションの両方に役立ちます。
  論文  参考訳（メタデータ） (2024-07-12T05:55:22Z)
• Creativity and Markov Decision Processes [0.20482269513546453]
  創造性に関するボーデンのプロセス理論とマルコフ決定過程(MDP)の間の公式なマッピングを同定する。 筆者らは, 創造プロセスの種類, 達成の機会, 創造性への脅威(無呼吸)を, MDPで見ることができるかを理解するために, 11点中3点を詳細に調査した。 今後の作業やアプリケーションにおける,このようなマッピングの選択に関する品質基準について論じる。
  論文  参考訳（メタデータ） (2024-05-23T18:16:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。