文章核心总结与翻译
一、主要内容
- 研究背景：当前大型语言模型（LLMs）虽在多个领域展现出卓越能力，但现有NLP基准测试极少关注创造性问题解决能力——这一人类智能的核心特征。在认知神经科学中，人类的创造性问题解决会受“红鲱鱼”（误导性刺激）影响，产生固着效应（Fixation Effect）和思维定势（Einstellung Effect），而英国益智节目《Only Connect》的“连接墙”环节天然包含此类误导性设计，与经典的远距离联想测试（RAT）高度契合。
- 数据集构建：提出全新的Only Connect Wall（OCW）数据集，包含15季节目中的618个连接墙谜题，每个谜题含16个线索词，需分组为4组（每组4词）并识别组内关联；同时生成OCW-Randomized（随机交换组以稀释红鲱鱼）和OCW-WordNet（基于WordNet层级关系移除红鲱鱼）两个衍生数据集，用于验证红鲱鱼对模型的影响。
- 实验设计：
- 任务1（分组）：采用静态/上下文词嵌入聚类（如GloVe、BERT、E5）和LLMs的少样本上下文学习（GPT-3.5-turbo、GPT-4），使用WD、FMS、ARI等6种指标评估。
- 任务2（关联识别）：通过LLMs的少样本上下文学习，采用精确匹配、ROUGE-1 F1、BERTScore F1三种指标评估。
- 核心发现：
- 所有模型（包括
