DD Dipanjan Dey ✓ @Dipanjan_Dey ⚠️ 前沿AI模型在设计创意方面仍然显著落后于人类设计师。⚠️ 引入设计创意基准，新基准评估AI模型在UI设计任务上的创意表现。尽管在生成功能性网站和产品UI能力上迅速取得进展，但领先的AI模型仍然在做出创意设计决策方面面临困难。我们评估了16个前沿模型在80个开放式UI任务中的表现，每个任务适应了两个不同的产品领域，并有人工设计师参考。现有的UI基准通常只测量单一的输出质量指标。相反，我们测量设计创意的三个维度： – 独特性：模型设计与其他模型在相同任务中的输出区别有多大。 – 创意范围：模型在产品领域变化时，设计决策的适应性。 – 适当性：生成的UI在多大程度上满足任务的功能要求。结果显示整体创意有显著差距：最佳模型 @OpenAI GPT-6 Astra 的得分为65.5，而人类参考为92.3。我们将发布完整的排行榜、方法论和可重复的评估框架，以使设计创意成为前沿模型能力的可衡量维度。 📊 基准排行榜：https://kombai.com/benchmark/ 📄 论文：https://arxiv.org/abs/2610.11539 🤗 HuggingFace数据集：https://huggingface.co/datasets/Kombai/design-creativity-bench 🔗 Github：https://github.com/kombai-io/design-creativity-bench/