论文阅读-26-07w1
每周论文阅读笔记~
SDD（Spec-Driven Development）
规范驱动开发，核心理念是先定义规则，再进行实现（先写技术方案再开发）
几个单词的拆解理解：
- Spec。解决“要做什么、不要做什么”的问题。它会写清楚用户场景、功能边界、异常情况和验收标准。这样 AI 在实现时就不需要自己猜需求，也不容易把无关逻辑一起改掉。
- Design。解决“应该怎么做”的问题。这里会说明我们的技术方案、模块影响范围、数据流、接口依赖和兼容性要求等。
- Tasks。解决“先做哪一块、做到什么程度”的问题。它会把需求拆成可执行、可验证的小任务。AI 每次只处理一个明确范围，改动就更容易收敛，更方便人做 review 和回滚。
工具选型 - OpenSpec
有以下几个核心文件
| 文件 | 作用 |
|---|---|
| spec.md | 定义需求、边界、行为、约束、验收标准，作为AI的长期上下文 |
| design.md | 记录具体的技术方案与实现设计 |
| proposal.md | 描述背景、目标、影响面与推进理由 |
| tasks.md | 任务拆解与执行进度参考 |
工作流程
整体架构
Art or Artifice? Large Language Models and the False Promise of Creativity
提出一个专家驱动的创意写作评价框架 TTCW，证明当前 LLM 写出的短篇小说虽然表面流畅，但在原创性、复杂性和文学创造力上明显弱于专业作家；并且 LLM 也不能可靠地评价创意写作
RQs
1️⃣ 当专家评价者对同一批故事进行测试时，他们之间是否存在一致意见？
2️⃣ 人类写作的故事是否比 LLM 生成的故事更可能通过单个 TTCW 测试？如果是，哪些测试体现出的差距最大？
3️⃣ 不同 LLM 是否在不同的 Torrance 创造力维度上表现更好？
TTCW 的四个设计原则
1️⃣ 借用 TTCT 的四个创造力维度评估
2️⃣ 作品导向，不关注作品的创作过程，LLM 和既有文本的创作过程很难观察
3️⃣ 二元评价的方式 + 开放式理由解释辅助
4️⃣每个问题彼此独立，通过的测试越多，作品的创造力越高
Torrance Test of Creative Thinking (TTCT)
一个创造力测试框架，通过一系列开放式的任务，观察人类在面对不寻常问题时，能否产生多样、新颖、丰富的想法。
测评的核心是 divergent thinking（发散思维）
有四个核心的维度：
Consensual Assessment Technique（CAT）
一个作品是否有创造力，最有效的判断方式，是让该领域的专家独立评价，然后看专家之间是否达成共识
Luminate: Structured Generation and Exploration of Design Space with Large Language Models for Human-AI Co-Creation
让LLM先生成“设计维度”，再在这些维度构成的空间中生成内容
divergent-convergent thinking
divergent：发散思维，也称横向思维，是指针对某个问题或任务生成多个独特想法或解决方案的过程
convergent：收敛思维，也称纵向思维，是指针对各个想法和可能性进行整合、综合与评估，最终形成一个单一的创造性结果的过程
design space
设计空间表示为一个概念性的“可能性空间”，广义上可以理解为由各种想法、设计、概念或解决方案构成的集合。设计空间通常被表示为笛卡尔空间，其中可能的变化分布在设计的不同维度之中，而不同变化则对应这些维度上的不同取值