为什么 LLM 生成的鹈鹕长这样？

新基准 Design Creativity Bench 用 80 个开放式 UI 任务、16 个前沿模型评估设计创造力，最佳模型 OpenAI GPT-6 Astra 得分 65.5，人类设计师参考分为 92.3。该基准从原创性、创意范围和 Appropriateness 三个维度衡量，而非单一输出质量指标。完整排行榜、方法论与可复现评估框架已公开。