論文の概要: On the Creativity of AI Agents

• arxiv url: http://arxiv.org/abs/2604.13242v2
• Date: Sat, 18 Apr 2026 17:26:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 13:51:31.106299
• Title: On the Creativity of AI Agents
• Title（参考訳）: AIエージェントの創造性について
• Abstract要約: 大規模言語モデル(LLM)は、複数のドメインにまたがる人間レベルや超人レベルのパフォーマンスを実証している。 本稿では,2つの相補的なマクロレベルでの創造性を解析する。
• 参考スコア（独自算出の注目度）: 5.734448042909701
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs), particularly when integrated into agentic systems, have demonstrated human- and even superhuman-level performance across multiple domains. Whether these systems can truly be considered creative, however, remains a matter of debate, as conclusions heavily depend on the definitions, evaluation methods, and specific use cases employed. In this paper, we analyse creativity along two complementary macro-level perspectives. The first is a functionalist perspective, focusing on the observable characteristics of creative outputs. The second is an ontological perspective, emphasising the underlying processes, as well as the social and personal dimensions involved in creativity. We focus on LLM agents and we argue that they exhibit functionalist creativity, albeit not at its most sophisticated levels, while they continue to lack key aspects of ontological creativity. Finally, we discuss whether it is desirable for agentic systems to attain both forms of creativity, evaluating potential benefits and risks, and proposing pathways toward artificial creativity that can enhance human society.
• Abstract（参考訳）: 大規模言語モデル(LLM)、特にエージェントシステムに統合された場合、複数のドメインにまたがる人間レベルや超人レベルのパフォーマンスを示す。 しかし、これらのシステムが真に創造的であるかどうかは議論の余地があり、結論は定義、評価方法、特定のユースケースに大きく依存する。 本稿では,2つの相補的なマクロレベルでの創造性を解析する。 1つ目は、創造的なアウトプットの観測可能な特性に焦点を当てた機能主義的な視点である。 2つ目は、創造性に関わる社会的・個人的な側面と同様に、基礎となるプロセスを強調した存在論的視点である。 われわれはLLMエージェントに焦点をあて、機能主義的創造性を示すが、その最も洗練されたレベルではそうではないが、存在論的創造性の重要な側面を欠いていると論じている。 最後に,エージェントシステムが創造性を両立させることが望ましいか,潜在的利益とリスクを評価し,人間社会を活性化させる人工創造への道筋を提案する。

関連論文リスト

• Multi-agent AI systems outperform human teams in creativity [55.46056199651459]
  大規模言語モデル(LLM)は、研究やイノベーションにおいてますます採用されている。 ここでは、マルチエージェントのLLMチームが、創造性において人間チームよりも大幅に優れています。 この利点は、同等の有用性を維持しながら、斬新さによって引き起こされる。
  論文  参考訳（メタデータ） (2026-05-18T05:52:11Z)
• Measuring Creativity in the Age of Generative AI: Distinguishing Human and AI-Generated Creative Performance in Hiring and Talent Systems [0.0]
  本稿では,創造性を共有制約と競争インセンティブの下で出現する分散的・プロセス的特性として再認識する。 本稿では,創造性を合成の新規性として測定するための定量的枠組みを導入する。 この知見は, 生成AIの時代において, 浮力よりも独特性が人間の創造能力の第一のシグナルとなることを示唆している。
  論文  参考訳（メタデータ） (2026-04-10T12:49:17Z)
• CreativeBench: Benchmarking and Enhancing Machine Creativity via Self-Evolving Challenges [69.3795501613098]
  コード生成における機械の創造性を評価するベンチマークであるCreativeBenchを紹介します。 CreativeBenchは、創造性と幻覚を、品質とノベルティの産物として定義された統一された計量によって客観的に区別する。 進化的探索パターンを内部化し,機械の創造性を継続的に向上する,プラグアンドプレイ型推論時ステアリング戦略であるEvoRePEを提案する。
  論文  参考訳（メタデータ） (2026-03-12T12:36:56Z)
• 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)
• What Shapes a Creative Machine Mind? Comprehensively Benchmarking Creativity in Foundation Models [16.81217474424392]
  基礎モデル(FM)における創造性の統一評価のための総合的なベンチマークであるC2-Evalを紹介する。 C2-Evalは2つの相補的な創造形態を区別している。 以上の結果から,C2-Evalは創造的AIの進化する景観を調べる上で有効なレンズであることがわかった。
  論文  参考訳（メタデータ） (2025-10-05T03:00:50Z)
• 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)
• 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)
• 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)
• Divergent Creativity in Humans and Large Language Models [37.67363469600804]
  大きな言語モデル(LLM)は、人間の能力に似た創造性レベルに近づいていると主張している。 我々は最近の計算創造性の進歩を利用して、最先端のLLMと10万人の人間のデータセットのセマンティックな相違を分析する。 我々は, LLMがダイバージェント・アソシエーション・タスクにおいて, 平均的人的パフォーマンスを上回り, 人間の創造的筆記能力にアプローチできる証拠を見出した。
  論文  参考訳（メタデータ） (2024-05-13T22:37:52Z)
• On the stochastics of human and artificial creativity [0.0]
  コンピュータにおける人間レベルの知性を達成するためには、人間レベルの創造性も必要である、と我々は主張する。 我々は、理論、心理学、哲学、神経科学、カオス理論からの事前の洞察を取り入れて、人間の創造性を統計的に表現する。 私たちの分析には、強化学習や拡散モデル、大規模言語モデルといった最新のAIアルゴリズムが含まれています。
  論文  参考訳（メタデータ） (2024-03-03T10:38:57Z)
• Can AI Be as Creative as Humans? [84.43873277557852]
  理論的には、AIは人間の創造者によって生成されたデータに適切に適合できるという条件の下で、人間と同じくらい創造的になれることを証明しています。 AIの創造性に関する議論は、十分な量のデータに適合する能力の問題に縮小されている。
  論文  参考訳（メタデータ） (2024-01-03T08:49:12Z)

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。