University of Washington（华盛顿大学）

CreativityPrism: A Cross-Domain Evaluation Framework for Large Language Model Creativity

CreativityPrism：大语言模型创造力的跨域评估框架

Zhaoyi Joey Hou, Bowei Alvin Zhang, Yining Lu, Bhiman Kumar Baghel, Anneliese Brei, Ximing Lu, Meng Jiang, Faeze Brahman, Snigdha Chaturvedi, Haw-Shiuan Chang, Daniel Khashabi, Xiang Lorraine Li

机构 * University of Pittsburgh（匹兹堡大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Notre Dame（诺特丹大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Washington（华盛顿大学） ； Allen Institute for Artificial Intelligence（人工智能研究院） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

AI总结 提出CreativityPrism框架，整合发散思维、创意写作和逻辑推理三个领域的八项任务，从质量、新颖性和多样性三个维度评估LLM创造力，发现前沿模型在创意写作和逻辑推理上领先，但在发散思维上无显著优势，且各维度间相关性弱。

Comments Published in Transactions on Machine Learning Research (06/2026)

Meta-Representational Predictive Coding: Neuroscience-Informed Self-Supervised Learning

元表征预测编码：神经科学启发的自监督学习

Alexander Ororbia, Karl Friston, Rajesh P. N. Rao

机构 * Rochester Institute of Technology（罗切斯特理工学院） ； AI Research Lab（AI研究实验室） ； University of Washington（华盛顿大学） ； Rochester, New York, USA（纽约罗切斯特市） ； Los Angeles, California, USA（加州洛杉矶市） ； Seattle, Washington, USA（华盛顿州西雅图市） 纠错

AI总结 提出元表征预测编码（MPC），通过跨并行流预测输入表征实现自监督学习，避免生成模型和反向传播，利用主动推理驱动表征学习。

Comments Significant updates to modeling framework, saccade planning + LGN units detailed, natural image experiments, new analyses and zero-shot generalization results now included