大语言模型给出的研究创意，范围比人类研究者窄很多

有一篇论文指出，LLM提出的研究想法，和人类研究者相比，“创意的广度”似乎要狭窄得多（https://arxiv[.]org/html/2607.01233v1）。

这篇论文的研究方法很有意思：它把同一组相关论文（仅提供标题和摘要）同时展示给人类和LLM，再将人类实际撰写的论文的原始创意，和让LLM新想出来的创意做对比。

研究一共基于从ICLR、ICML、NeurIPS（2023～2026年）和Nature Communications（2023～2025年，覆盖71个领域）收集的合计11,683篇论文，用Claude-Sonnet-4.6、Gemini-3.1-Pro、GPT-5.4-mini等9个LLM做了验证。每个创意会按「动机（关注到了研究领域里哪块空白）」和「方法（如何填补这块空白）」两个维度，分别用7种标签做分类。

结果的偏差非常明显。人类创意中，属于连接现有研究的“搭桥”型动机仅占12.1%，但在LLM群体中这类动机占到了47.1～64.2%。
方法层面也一样：整合现有方法的“整合·统一”型，人类占比是5.1%，LLM则是22.5～38.7%。

代表多样性的指标（熵）人类在两个维度都高达0.92以上；动机维度上最接近人类的Gemini-3.1-Pro，分布偏差（TVD）也有0.348；方法维度最接近的Claude-Sonnet-4.6，偏差也还有0.211。

把提案浓缩成一句话后统计动词使用的分析也很有意思：“integrate（整合）”占LLM输出的34.2%，人类仅用了2.35%。反过来，人类更喜欢“replace（替换）”（9.13% vs 0.92%）、“decouple（拆分）”（2.33% vs 0.21%）这类局部精准的调整。

大概就是，LLM倾向于先把显眼的概念凑到一起，而人类更喜欢精准替换指定的部分。

最意外的结果是：开启思考模式（Thinking mode）反而会让结果离人类更远。Qwen3-8B开启思考模式后，搭桥型创意的占比从49.7%上升到71.1%，和人类分布的偏差（TVD）也从0.382恶化到0.590。哪怕让模型读全文而不只是论文摘要，结果也一样：思考时间越长，输出就越往模型自己擅长的模式偏。