# 大模型集体陷入“复读机”模式，这家创业公司想让它们别再人云亦云

> 原标题：LLMs are stuck in a groupthink groove. This startup is trying to get them out.

- 来源：MIT Technology Review · AI
- 发布时间：2026-07-01T14:35:16.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/42613
- 原文：https://www.technologyreview.com/2026/07/01/1140003/llms-are-stuck-in-a-groupthink-rut-this-startup-is-trying-to-get-them-out/

## 摘要

你让 ChatGPT 或 Claude 随便说个 1 到 10 的数字，它几乎永远回答 7。澳大利亚创业公司 Springboards 发现主流大模型在开放问题上高度趋同，NeurIPS 2025 最佳论文也证实，25 个不同模型被要求写时间隐喻时，大多只会说“时间是一条河”。Springboards 为此训练了一个叫 Flint 的模型，专门产出更多...

## 推荐理由

MIT Tech Review 的稿子，有顶会论文背书，还点出了一家有名有姓的创业公司在做反趋同模型 Flint，好奇、知识、共鸣三个点都踩中了。分数卡在 72 是因为正文截断了，Flint 到底在什么 benchmark 上跑出了什么成绩完全没提，故事讲得好但数据没跟上，所以先打个折。

## 锐评

这事最直观的价值是捅破了一层窗户纸：现在的大模型在开放问题上已经形成了事实上的“标准答案”。Springboards 的演示很取巧，让 ChatGPT 和 Claude 同时答“随机数”和“汽车品牌”，结果高度雷同，而他们自己训练的 Flint 能给出 3.7916 或福特 F-150。这背后有学术支撑——NeurIPS 2025 一篇最佳论文发现，25 个不同模型被要求写时间隐喻时，大多只会说“时间是一条河”。Springboards 管这叫“丢失的信息”，目标用户是需要打破思维惯性的创意工作者。

不过，这篇报道没给出任何量化指标来说明 Flint 的多样性到底提升了多少，也没提这种“反趋同”训练会不会牺牲事实准确性或逻辑连贯性。演示里 Flint 那句“Built to last, run to win”确实跟别人不一样，但也没好到让人想掏钱。我会先打个折：创意类场景确实需要这种工具，但“不随大流”和“瞎编”之间的边界，正文没披露他们是怎么控制的。