📌 一句话总结：
本工作提出 CreBench——首个从 创意想法 → 创意过程 → 创意作品 三阶段系统评估创造力的多模态基准，同时构建 CreMIT 教学式指令大模型数据集，并训练出创造力专家模型 CreExpert，在与 GPT-4V、Gemini 2.5 Vision 等模型的对比中取得 显著领先 的人类一致性表现。
🔍 背景问题：
为什么“创造力”让大模型束手无策？
当前多模态大模型虽在感知与推理上突飞猛进，但在创造力理解上仍面临三大难题：
1️⃣ 创造力定义高度抽象，缺乏通用评价语言
传统任务如分类、VQA、captioning 有明确答案，而“创意是否好”这一判断本质上带有主观性、多维度性。
2️⃣ 现有基准严重不足，只能测“生成质量”，无法测“创造力”本身
大多数 benchmark 聚焦图像理解、美学、风格等，缺乏对 创意构思、创意过程 的系统刻画。
3️⃣ MLLM 无法对“过程”给出评价，只能对最终结果评分，导致训练信号缺失
但真实创造力往往体现在探索、发散、重构、精炼等过程之中。
结论：机器必须像人一样“看懂创意的逻辑链条”，而不是只看最终图片。
CreBench 正是为解决这一空白而生。
💡 方法简介：
首次提出“创意三段论”评估体系 + 超大规模创造力指令数据
1️⃣ CreBench：跨想法—过程—作品的三维度创造力评估框架
论文首次将创造力拆解为 12 个细粒度指标，包括：
Creative Idea（创意构想）：Originality、Appropriateness
Creative Process（创意过程）：Immersion、Divergence、Structuring、Evaluation、Elaboration
Creative Product（创意作品）：Effectiveness、Aesthetic、Novelty、Manufacturability、System Complexity
每一项都有严格的 5 分行为锚定评分标准（rubric），并由训练过 CAT（Consensual Assessment Technique） 的专家人工标注。
这是首次将创造力评价从“只看作品”提升到“结构化全过程”范式。
2️⃣ CreMIT：2.2K 创意实例 + 79.2K 人类反馈 + 470 万条多模态指令数据
CreMIT 的构建过程包含：
多任务、多模态采集（创意文本、操作过程 logs、最终作品）
专家基于 12 指标的批注
利用 GPT-4o 将专家反馈扩展为六类 QA 指令（reason/why/how/MCQ/yes-no/what）
最终获得 4.7M 高质量指令样本，这是迄今规模最大、维度最丰富的 创造力训练数据集。
3️⃣ CreExpert：基于 LLaVA-1.5 微调的创造力专家模型
作者据此训练了 CreExpert：
保留基础 MLLM 的通用能力
专门学习“人类创造力评价规则”
在想法、过程、作品三个阶段都可进行结构化评分
CreExpert 完全开源，包含 checkpoint、数据与评估框架。
📊 实验结果：
首次让多模态模型在“创造力评价”上全面超越 GPT-4V整体表现：CreExpert 在 12 个创造力指标上全面领先
论文 Table 2 显示：
CreExpert 的人类一致性（PCC）：
Creative Idea：84.14%
Creative Process：72.19%
Creative Product：40.18%
Overall：65.50%
相比之下，GPT-4V 的 Overall 为 29.27%，差距超过 +36% 绝对提升。
🌟 亮点总结
亮点一：模型第一次能“看懂创意过程”
例如 Divergence（发散性）和 Immersion（投入度）维度，CreExpert 比基线高 +50% 区间。
亮点二：原创性判断能力大幅提升
四个任务中 Originality 提升均超过 +55%，最高达 +69.79%。
这说明模型不仅能识别“看起来新”，还能根据专家规则理解“为什么新”。
亮点三：首次同时测评 Idea / Process / Product
这是创造力研究的重要突破，让模型具备“像老师一样点评创意作业”的能力。
📂 项目主页
https://kaixuewen.github.io/Crebench
📄 论文原文
https://arxiv.org/abs/2511.13626
⭐ 一句话点评
CreBench 将创造力从“不可量化”变成“可评估”，让 AI 第一次拥有理解人类创意与设计思维的能力，这是继视觉理解、推理之后，MLLMs 迈向 高级人类认知能力对齐（Human Cognition Alignment） 的关键一步。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
