Studio: La generazione iterativa migliora la creatività degli LLM nella progettazione di ricette

Uno studio pilota recente pubblicato su arXiv (2608.07243) esamina il potenziale della generazione e valutazione iterativa per aumentare la creatività dei modelli linguistici di grandi dimensioni (LLM) nella creazione di ricette. I ricercatori hanno modificato la tecnica FunSearch per creare ricette per il Pillsbury Bake-Off 2024 e hanno valutato i risultati rispetto agli standard umani utilizzando un metodo di valutazione basato sul TTCT. Due esperimenti hanno esplorato l'impatto del numero di iterazioni, della temperatura del generatore e della dimensione del modello di selezione in-loop. I risultati rivelano che, sebbene la generazione-selezione iterativa possa produrre punteggi di creatività simili ai benchmark umani, il semplice aumento delle iterazioni non migliora la creatività. Il valutatore in-loop gioca un ruolo cruciale; un selettore più piccolo migliora significativamente i punteggi nella maggior parte delle dimensioni TTCT, mentre la temperatura influisce minimamente sull'originalità. Ciò suggerisce che la progettazione del valutatore è un fattore critico nei compiti creativi guidati da LLM.