論文の概要: Serendipity by Design: Evaluating the Impact of Cross-domain Mappings on Human and LLM Creativity

• arxiv url: http://arxiv.org/abs/2603.19087v1
• Date: Thu, 19 Mar 2026 16:12:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:06.255032
• Title: Serendipity by Design: Evaluating the Impact of Cross-domain Mappings on Human and LLM Creativity
• Title（参考訳）: 設計によるセレンディピティー:人間とLLMの創造性に及ぼすクロスドメインマッピングの影響の評価
• Authors: Qiawen Ella Liu, Marina Dubova, Henry Conklin, Takumi Harada, Thomas L. Griffiths,
• Abstract要約: クリエイティビティに対する有望だが、ほとんど実証されていない介入を評価します。クリエーターはランダムなリモートソースドメインからアナロジーを描画せざるを得ません。 人間の参加者と大きな言語モデル(LLM)は、2つのプロンプトの下で10の日用品に対して新しい特徴を生み出した。 人間はランダムに割り当てられたクロスドメインマッピングの恩恵を受けられるが、LLMは平均して人間よりも独創的なアイデアを生み出す。
• 参考スコア（独自算出の注目度）: 7.402976745417006
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Are large language models (LLMs) creative in the same way humans are, and can the same interventions increase creativity in both? We evaluate a promising but largely untested intervention for creativity: forcing creators to draw an analogy from a random, remote source domain (''cross-domain mapping''). Human participants and LLMs generated novel features for ten daily products (e.g., backpack, TV) under two prompts: (i) cross-domain mapping, which required translating a property from a randomly assigned source (e.g., octopus, cactus, GPS), and (ii) user-need, which required proposing innovations targeting unmet user needs. We show that humans reliably benefit from randomly assigned cross-domain mappings, while LLMs, on average, generate more original ideas than humans and do not show a statistically significant effect of cross-domain mappings. However, in both systems, the impact of cross-domain mapping increases when the inspiration source becomes more semantically distant from the target. Our results highlight both the role of remote association in creative ideation and systematic differences in how humans and LLMs respond to the same intervention for creativity.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、人間と同じように創造的であり、同じ介入が両方の創造性を高めることができるか? クリエイティビティに対する有望だがほとんど実証されていない介入を評価します。クリエーターはランダムなリモートソースドメイン('クロスドメインマッピング')からアナロジーを描くことを強制します。 人間の参加者とLLMは、2つのプロンプトの下で10の日用品(例えば、バックパック、テレビ)に新しい特徴を生み出した。 (i)クロスドメインマッピングは、ランダムに割り当てられたソース(例えば、タコ、サボテン、GPS)からプロパティを翻訳する必要がある。 (ii) 未使用のユーザニーズをターゲットとしたイノベーションの提案が必要なユーザニーズ。 ヒトはランダムに割り当てられたクロスドメインマッピングの恩恵を確実に受けられる一方で、LLMは平均的に人間よりもオリジナルなアイデアを生成しており、クロスドメインマッピングの統計的に有意な影響は示さない。 しかし、どちらのシステムでも、インスピレーション源がターゲットから意味的に遠くなると、ドメイン間マッピングの影響が増大する。 本研究は,創造的思考におけるリモート・アソシエーションの役割と,人間とLLMが創造性に対する同じ介入にどう反応するかの体系的差異を両立させるものである。

関連論文リスト

• Characterising the Creative Process in Humans and Large Language Models [6.363158395541767]
  本研究では,人間とLLMが交互利用課題における意味空間を探索する方法を自動評価する手法を提案する。 文埋め込みを用いて応答カテゴリを識別し、ジャンププロファイルを生成するために使用する意味的類似性を計算する。 我々の結果は、人間における初期の研究と、永続性(意味空間の深部探索)と柔軟性(複数の意味空間を横断する広部探索)の両方を創造性に反映している。 人口としてのLSMは人間のプロファイルと一致するが、創造性との関係は異なる。
  論文  参考訳（メタデータ） (2024-05-01T23:06:46Z)
• Fluid Transformers and Creative Analogies: Exploring Large Language Models' Capacity for Augmenting Cross-Domain Analogical Creativity [7.101885582663675]
  クロスドメインなアナロジー推論は、人間にとって困難な、中核的な創造力である。 最近の研究は、Large Language Modelsのクロスドメインアナログを生成する能力の証明を示している。
  論文  参考訳（メタデータ） (2023-02-27T15:54:57Z)
• Domain Re-Modulation for Few-Shot Generative Domain Adaptation [71.47730150327818]
  生成ドメイン適応(Generative Domain Adaptation, GDA)は、トレーニング済みのジェネレータを、いくつかの参照イメージのみを使用して、ひとつのドメインから新しいドメインに転送する。 人間の脳が新しいドメインの知識を得る方法に触発されて、ドメイン再構成(DoRM)と呼ばれる革新的なジェネレータ構造を提示する。 DoRMは、高品質、大規模な合成の多様性、ドメイン間の整合性の基準を満たすだけでなく、メモリとドメインの関連も含んでいる。
  論文  参考訳（メタデータ） (2023-02-06T03:55:35Z)
• Multi-Modal Cross-Domain Alignment Network for Video Moment Retrieval [55.122020263319634]
  ビデオモーメント検索(VMR)は、与えられた言語クエリに従って、未編集のビデオからターゲットモーメントをローカライズすることを目的としている。 本稿では、新しいタスクであるクロスドメインVMRに焦点を当て、完全なアノテーション付きデータセットをひとつのドメインで利用できるが、関心のあるドメインは、注釈なしのデータセットのみを含む。 本稿では、アノテーションの知識をソースドメインからターゲットドメインに転送するマルチモーダル・クロスドメインアライメント・ネットワークを提案する。
  論文  参考訳（メタデータ） (2022-09-23T12:58:20Z)
• Adversarial Bi-Regressor Network for Domain Adaptive Regression [52.5168835502987]
  ドメインシフトを軽減するために、クロスドメインレグレッタを学ぶことが不可欠です。 本稿では、より効果的なドメイン間回帰モデルを求めるために、ABRNet(Adversarial Bi-Regressor Network)を提案する。
  論文  参考訳（メタデータ） (2022-09-20T18:38:28Z)
• Disentanglement-based Cross-Domain Feature Augmentation for Effective Unsupervised Domain Adaptive Person Re-identification [87.72851934197936]
  Unsupervised Domain Adaptive (UDA) Person Re-identification (ReID) は、ラベル付きソースドメインからラベル付きターゲットドメインへ知識を転送することを目的としている。 ひとつの課題は、トレーニング用に信頼できるラベルでターゲットドメインサンプルを生成する方法だ。 ディスタングルメントに基づくクロスドメイン機能拡張戦略を提案する。
  論文  参考訳（メタデータ） (2021-03-25T15:28:41Z)
• Adapt Everywhere: Unsupervised Adaptation of Point-Clouds and Entropy Minimisation for Multi-modal Cardiac Image Segmentation [10.417009344120917]
  マルチモーダル心臓画像分割のための新しいUDA法を提案する。 提案手法は、逆学習に基づいて、異なる空間におけるソースとターゲットドメイン間のネットワーク特徴を適応する。 本手法はannotated source domainからunannotated target domainへの適応により2つの心データセットで検証した。
  論文  参考訳（メタデータ） (2021-03-15T08:59:44Z)

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。