返回资讯中心
外部精选
软件工程
#开发者实时流

多个用户用ChatGPT生成家装效果图,结果出现完全相同的房间

来源标题:The Average Is Free. Difference Is Not

不同城市、不同预算的人用ChatGPT生成未来家居效果图,却得到了几乎一样的房间:白橡木墙板、燕麦色布艺沙发、拱门、亚麻窗帘、盆栽橄榄树和纸月亮状的吊灯。作者随后查找测量数据,发现一项NeurIPS口头报告、覆盖8214人的元分析、2200万辆车销售数据以及Spotify在自家用户上做的实验,大多指向同一种趋势:同质化真实存在,而且可以量化。

Hacker News 最新ladronevincet2026/11/9 · 8 天前30 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

今年秋天,一个接一个的朋友给我看他们即将装修的公寓。不同的城市,不同的预算,不同的人生。同一个房间。一面墙上是浅色橡木条。一张燕麦奶色的圈绒沙发。原来的门洞改成了拱形,亚麻窗帘,一盆盆栽橄榄树,一盏纸月亮似的吊灯。看到第三张效果图的时候,我不再看图,而是要求看 prompt。他们每个人都让 ChatGPT 给自己看未来的家。它给所有人看了同一个家。

他们没一个人知道。他们怎么会知道呢?每个人都只看到了一张效果图,自己的那张,而且看起来像品味。整个故事里,只有我一个人看到了全集。

我知道这抱怨听起来什么样。每一代人都注意到商店里卖的东西全一样,然后断定年轻人没有品味;每一代人都有一点道理,但多半只是老了。所以每当我有个感觉挥之不去,我就会做我一贯做的事:去找测量数据。我本以为会找到几篇愤世嫉俗的文章。结果找到的是一篇 NeurIPS oral、一项覆盖 8,214 人的元分析、2,200 万条汽车销售记录,以及 Spotify 在自己的用户身上做的一个实验——而且大部分证据指向同一个方向。同质化是真实存在的,而且可以量化,体现在界面、客厅、歌单和科学写作里。其中大部分比机器更古老。而机器正在加速它,靠的是一种几乎所有人都搞错的机制。我自己也搞错了,直到我读了那些论文。

在本系列的第一篇文章里,我论证过技术从不摧毁价值,它只是转移稀缺性:机器压缩了能力分布的中间部分,而回报流向两端。我漏掉了那个被压缩的中间部分最奇特的性质。它先变得便宜,然后变得一模一样。

我自己也是涌入这片山谷的人之一,又一次。我每天都在用这些系统做东西,我不会停下来。所以请把下面这些当作来自洪水内部的一份实地报告,附带收据、一张可以逐行核对的表,以及三个我押上了具体数字的赌注。

先从机器本身说起,在人类碰任何东西之前。

让一个语言模型给出一个关于时间的比喻。然后再问它五十次,把随机性调高。然后对另外二十四个模型做同样的事——来自其他实验室、用其他数据训练、背后的人彼此以竞争为生。那是 1,250 次尝试。一个团队为了一篇叫 Artificial Hivemind 的论文(NeurIPS 2025 的 oral)做的正是这件事,结果回来的是两个想法。时间是一条河。时间是一台织布机。两个 Qwen 模型产出了逐字相同的格言。

完整的研究向七十多个模型投了 26,000 个开放式 prompt。单个模型大多在重复自己,不同模型也大多在重复彼此:跨模型相似度在 71% 到 82% 之间,一个典型的五十个相似答案组成的簇,汇集了大约八个不同模型的产出。你可以换供应商。你会得到同一条河。

这些都不是新东西,只是测量得更好。2023 年 1 月,德国的两位研究者让 ChatGPT 讲笑话,讲了 1,008 次。返回的内容中超过 90% 是同样的 25 个笑话,其中一个——关于一个稻草人因为在他的领域里“出类拔萃(outstanding in his field)”而获奖——出现了 140 次。(去你另一个标签页里让聊天机器人讲个笑话。我等着。如果里面出现了稻草人、番茄或原子,你刚刚复现了一篇论文。)

显而易见的反驳是:人类也好不到哪去。问一百个人关于时间,你也会听到一堆河流。于是另一个团队做了对比。22 个模型和 102 个人参加了同样的标准创造力测试。在替代用途任务——就是让你列出一个日常物品的各种用途那个——两个人答案之间的平均距离是 0.738。两个模型答案之间是 0.459。这个差距大约是两个标准差,而一个恳求模型“非常有创意”的系统 prompt 只补上了不到一半。

我甩不掉的一个细节是:在单项原创性上,模型的得分略高于人类。任何一个答案都是好的,往往比你我写得都好。是那个集合成了单一栽培。

你会以为这事有个旋钮。把 temperature 调高,要它给点怪东西。但 Hivemind 那些运行本来就是高温采样的。“非常有创意”只买回了不到一半的差距。第三个团队比较模型写的书评和人类写的,两种技巧都试了,数字几乎没动。Temperature 在最爱答案周围加噪声。它不改变哪个答案是最爱。要理解为什么,你得看这些系统是怎么被“完成”的,这和它们怎么被采样是两回事。

所有人都会想到的那幅图景——也是我自己用过的——是钟形曲线。模型学习人类作品的分布,然后把中间那个给你。所有人都用同一条曲线,所以所有人都得到同一个中间。这很整洁,也是错的,而它错的方式正是整个故事所在。

拿我朋友们的客厅试试。如果你真的对互联网上所有客厅取平均,你会得到一团棕色的糊。红沙发和蓝沙发的均值是泥,一千张户型图的均值是雾。ChatGPT 画出来的完全不是那样。它清晰而具体,是一个你周五就能从目录上下单的房间。平均是一切事物的模糊,而这是一个特定的东西。它不是被平均出来的。它是被挑出来的。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →