في قلب الابتكارات الحديثة، تظهر النماذج اللغوية الكبرى (MLLMs) كأدوات محورية تعزز قدراتنا الإبداعية في مجالات التصميم والتواصل والتعليم، فضلاً عن التعاون بين البشر والذكاء الاصطناعي. ورغم ذلك، فإن قياس هذه القدرات لا يزال يمثل تحديًا كبيرًا، حيث تفتقر المهام المعتمدة على الإبداع إلى أهداف واضحة وإشارات مكافأة مقارنةً بالمهام التي تركز على الدقة.

يعتبر فهم المفاهيم المتقاطعة قدرة إدراكية رئيسية تدعم الإبداع الاستقبالي. إنها تمكن الأفراد من استرجاع المعاني المرادفة من العلاقات المفهومية غير الواضحة ولكن ذات المعنى. ومن هنا، تم تطوير إطار تقييم جديد يُعرف بـ C4، والذي يستلهم من عملية الإدراك. يعمل هذا الإطار من خلال تعيين تكوين العناصر كتشفير المفاهيم المتقاطعة ونموذج الاستدلال كفك تشفير المفاهيم المتقاطعة.

يتضمن C4 مكون التشفير الذي يُخضِع المفاهيم المستهدفة لمفاهيم بديلة يمكن تصوّرها على طول مسارات جسرية مُعتمَدة، مما يمكّن من إنشاء عناصر ومهام متعددة الدرجات. يوفر هذا الإطار مجموعة تقييم تُعرف باسم C4-Eval، التي تضم 184 عنصرًا صناعيًا و37 شكلًا للشخصيات الثقافية المستندة إلى تشنجيو (Chengyu) التي تم جمعها من مصادر على الإنترنت.

عند تطبيق هذا الإطار على عشرة نماذج لغوية كبرى تم تقييمها، أظهرت النتائج فجوة كبيرة في كيفية فك شفرة المعاني المبدعة المشفرة عبر العلاقات المفهومية المتقاطعة، حيث وصلت النماذج المغلقة القوية إلى دقة 50.7%، بينما بقيت النماذج مفتوحة المصدر أقل بكثير.

يبشر هذا البحث بآفاق جديدة لفهم وتعزيز الإبداع البشري من خلال الذكاء الاصطناعي، مما يدعو للقيام بالمزيد من الأبحاث للكشف عن الجوانب الأكثر تعقيدًا للإبداع وكيفية تحسين قدرات هذه النماذج لتتناسب مع توقعاتنا.