Đầu ra “Sáng tạo” của các mô hình AI đang trở nên giống nhau giữa các nhà cung cấp

Nghiên cứu mới cho thấy các mô hình AI từ các công ty đối thủ đang trở nên giống nhau hơn trong các câu trả lời sáng tạo, có khả năng thu hẹp phạm vi ý tưởng mà người dùng gặp phải.

Nghiên cứu mới từ Hoa Kỳ đã phát hiện rằng đầu ra “sáng tạo” trên một loạt các mô hình AI hàng đầu đang trở nên giống nhau hơn theo thời gian.

Các tác giả từ Đại học Duke đã thử nghiệm 69 mô hình thuộc 12 họ nhà cung cấp, bao gồm các phiên bản từ 2023 đến 2026, và phát hiện sự giảm đáng kể về đa dạng đầu ra trong cả các câu hỏi mở thực tế và một bài kiểm tra sáng tạo tiêu chuẩn – cho thấy các ý tưởng tương tự có thể được đưa ra đáp lại các yêu cầu “sáng tạo”, ngày càng nhiều, ở tất cả các nhà cung cấp LLM lớn.

Các họ nhà cung cấp được thử nghiệm bao gồm Anthropic; Cohere; DeepSeek; Google; Meta; MiniMax; Mistral AI; Moonshot AI; OpenAI; Qwen; xAI; và Z.ai*:

From the new paper – model releases used in the study, from tháng 3 2023 to tháng 7 2026. The chart covers 69 mode versions across 12 AI providers, demonstrating how the models tested were distributed across the three-year period, and showing increasingly frequent release schedules for some providers, which has to be accounted for in the authors’ reckonings. Source

The authors of the bài báo mới state**:

‘Chúng tôi nhận thấy rằng các phản hồi của LLM đối với các đề bài mở mà chúng tôi [test] đã trở nên ngày càng giống nhau theo thời gian.

‘Điều này cho thấy các LLM đang trở nên kém sáng tạo hơn trong các nhiệm vụ yêu cầu tạo ra các phản hồi mở, đòi hỏi phải xem xét kỹ lưỡng tính hữu ích lâu dài của chúng như những trợ lý sáng tạo.’

Mặc dù ‘đơn điệu thuật toán‘ đã trở thành một hướng nghiên cứu được thiết lập, một cuộc khảo sát về xu hướng đồng nhất trong các đầu ra sáng tạo do AI tạo ra chưa được thực hiện cho đến nay, các tác giả khẳng định.

Tuy nhiên, các sự kiện riêng lẻ đã chỉ ra sự hội tụ này trong một thời gian, bao gồm trường hợp kỳ lạ được nêu trong nghiên cứu tháng 5 năm 20026 của Đại học Cornell, nơi một loạt các nhà cung cấp LLM đa dạng được chứng minh có những ám ảnh kỳ lạ, va chạm về ‘người giữ hải đăng’, và một tập hợp các tên lỗi thời, bao gồm ‘Mara’ và ‘Elias’:

In May, Cornell University’s new paper found strange similarities across LLM providers when given ‘open prompts’ – though no clues as to why have yet become apparent in the diverse training data fueling these models.

Nghiên cứu mới có tính hệ thống hơn: các tác giả đã thử nghiệm ba năm mô hình đối với cả các đề bài sáng tạo thực tế và một bài kiểm tra tâm lý học cổ điển yêu cầu đưa ra các cách sử dụng bất thường cho các vật dụng hàng ngày. Sau đó họ đo lường mức độ khác nhau về ý nghĩa giữa các câu trả lời của mô hình, theo dõi xem khoảng cách này có giảm đi qua các thế hệ liên tiếp hay không.

Các tác giả của công trình mới, có tiêu đề Các LLM có đang trở nên sáng tạo tương đồng? Bằng chứng từ ba năm mô hình, cho biết^†:

‘Những phát hiện của chúng tôi, dù còn sơ bộ, đã dấy lên lo ngại về tính hữu ích lâu dài của các LLM như những đối tác sáng tạo. Ngay cả khi các mô hình thực hiện tốt các nhiệm vụ sáng tạo, việc đầu ra hội tụ có thể giới hạn phạm vi các khả năng mà người dùng LLM tiếp cận, và cùng với đó, mở rộng suy nghĩ của họ.’

‘Nếu việc sử dụng LLM cho các nhiệm vụ sáng tạo như viết bài luận làm giảm hoạt động não của người dùng, thì việc sử dụng các LLM ngày càng kém sáng tạo hơn – xu hướng được nghiên cứu của chúng tôi gợi ý – có thể làm trầm trọng hơn ảnh hưởng của LLM đối với sự sáng tạo của con người, như đã được quan sát trong nghiên cứu này và các nghiên cứu khác?’

Đã có, các đặc điểm đa dạng của đầu ra văn bản LLM đã trở thành chất liệu cho meme; và, như chúng tôi đã báo cáo vào tháng 5 năm nay, ít nhất một tác giả đã tự xuất bản một cuốn sách có vẻ đề cập đến sự ám ảnh “hải đăng” đã nêu trên, phổ biến ở các mô hình lớn.

Vì vậy, trong bối cảnh các nhà xuất bản ngày càng rút lại các cuốn sách mà họ nghi ngờ được viết bằng AI hoặc có sự hỗ trợ của AI, nghiên cứu mới dường như chỉ ra rằng chúng ta có thể mong đợi sự gia tăng của “sự trùng hợp cốt truyện” xuất hiện trong các tác phẩm dường như do con người viết, bao gồm cả các công trình học thuật do sinh viên nộp.

Về nguồn gốc của sự hội tụ này, các tác giả giả thuyết rằng dữ liệu đào tạo chồng chéo và các mục tiêu tối ưu hóa ngày càng giống nhau có thể đang đẩy các mô hình hướng tới các biểu diễn nội bộ tương đồng của các khái niệm và quan hệ ngữ nghĩa – cuối cùng tạo ra các câu trả lời ngày càng giống nhau^†:

‘[Nó] vẫn chưa rõ liệu sự đồng nhất này là một sản phẩm phụ tạm thời của công nghệ còn đang phát triển hay là một đặc điểm không thể tránh – có thể tích lũy – của các mô hình ngôn ngữ thống kê.

‘Các lực lượng hợp lý chỉ ra cả hai hướng. Một lượng ngày càng tăng các công trình học thuật cho thấy các mô hình sinh ra được đào tạo trên dữ liệu chồng chéo và tối ưu hướng tới các mục tiêu tương tự sẽ sắp xếp các khái niệm và quan hệ ngữ nghĩa theo cách ngày càng giống nhau, dẫn đến các đầu ra tương đồng.’

Tuy nhiên, các tác giả cũng trích dẫn công trình cho thấy khi các mô hình tiến hóa, chúng có thể lại tách ra thành một bộ đặc điểm riêng biệt, liên quan đến đầu ra sáng tạo.

Phương pháp

Để theo dõi liệu các mô hình AI có trở nên giống nhau hơn không, các nhà nghiên cứu bắt đầu với các câu hỏi mở, thu thập câu trả lời từ các thế hệ mô hình liên tiếp. Mỗi câu trả lời được chuyển đổi thành một biểu diễn số học của ý nghĩa, cho phép đo lường mức độ tương đồng hoặc khác biệt của các phản hồi.

Phân tích hồi quy được sử dụng để xác định liệu những khác biệt này có đang thu hẹp khi các mô hình mới được phát hành:

The authors’ schema for measuring whether AI outputs become more similar over time. Open-ended creative prompts were run across different model families, their answers mapped by meaning, to measure the distance between them, and with regression analysis tracking how those distances changed across successive model generations.

Hai bộ đề bài đã được chọn để kiểm tra sự sáng tạo từ các góc độ khác nhau. Đầu tiên, Nhiệm vụ Sử dụng Thay thế (AUT), một bài kiểm tra tâm lý học tiêu chuẩn về tư duy phân kỳ, yêu cầu đưa ra các cách sử dụng không thông thường cho các vật dụng bình thường, với nghiên cứu sử dụng các vật như sách, giày và búa. Định dạng cố định của nó cung cấp một cách kiểm soát để so sánh các ý tưởng được tạo ra bởi các mô hình khác nhau.

Thêm 100 đề bài đã được tách ra từ Infinity-Chat100, một bộ sưu tập được lấy từ các cuộc trò chuyện thực tế với các mô hình ngôn ngữ. Những đề này bao gồm các nhiệm vụ sáng tạo ít ràng buộc hơn liên quan đến tạo nội dung, giải quyết vấn đề, động não và ý tưởng; các nhiệm vụ cho phép tự do hơn trong việc tạo ra câu trả lời và các cách tiếp cận.

Các bộ đề AUT và Infinity-Chat100 đầy đủ sau đó được gửi tới các mô hình phát hành từ tháng 3/2023 đến tháng 7/2026, bao gồm 12 nhà cung cấp và hệ thống từ Anthropic, Google, Meta, OpenAI, DeepSeek và Mistral AI. Tất cả các phản hồi được thu thập qua API của OpenRouter với cùng cài đặt mẫu, với nhiệt độ (tự do phản hồi sáng tạo) và top-p đều được đặt ở mức một.

Các mô hình được sắp xếp theo tháng phát hành để kiểm tra liệu các thế hệ mới hơn có tạo ra các câu trả lời ngày càng giống nhau hay không.

Vì ngày phát hành thực tế không phản ánh được các thay đổi trong dữ liệu đào tạo, kiến trúc hay sau đào tạo, các tác giả xem xu hướng này như một mối liên hệ với sự phát triển của mô hình, chứ không phải bằng chứng cho việc thời gian trôi qua tự gây ra sự hội tụ.

Các câu trả lời của mô hình sau đó được chuyển thành embedding bằng cách sử dụng all-MiniLM-L6-v2 sentence-transformer. Mỗi phản hồi được biểu diễn dưới dạng vector số, cho phép các câu trả lời có ý nghĩa tương đồng được đặt trong các hướng tương tự, và đo lường khoảng cách ngữ nghĩa của chúng.

Đối với AUT, tất cả các cách sử dụng được đề xuất cho mỗi vật được coi là một phản hồi duy nhất, tạo ra mười embedding cho mỗi mô hình. Đối với Infinity-Chat100, mỗi câu trả lời được embedding riêng biệt, tạo ra 100 embedding cho mỗi mô hình.

27 tháng phát hành được nhóm thành chín giai đoạn thời gian, và chỉ so sánh các mô hình từ các nhà cung cấp khác nhau. Khoảng cách ngữ nghĩa giữa các câu trả lời của chúng được đo trong phạm vi mỗi giai đoạn, với khoảng cách nhỏ hơn cho thấy mức độ tương đồng cao hơn.

Để ngăn các nhà cung cấp có nhiều mô hình chi phối kết quả, phân tích đã được lặp lại 1.000 lần, sử dụng mẫu cân bằng từ mỗi nhà cung cấp.

Kết quả

Phân tích hồi quy tuyến tính sau đó được sử dụng để theo dõi các khoảng cách này theo thời gian, với độ dốc âm nhất quán cho thấy các mô hình từ các nhà cung cấp khác nhau đang trở nên giống nhau hơn:

Initial test results, showing whether creative responses from different AI providers became more similar over time. Semantic distances declined for both the Alternate Uses Task and Infinity-Chat100 prompts, while repeated balanced sampling produced consistently negative trends, indicating increasing similarity across model generations.

Trong các kết quả này, các tác giả nhấn mạnh:

‘Đối với cả bộ phản hồi AUT và Infinity-Chat, chúng tôi quan sát thấy sự giảm trong khoảng cách đầu ra giữa các nhà cung cấp trong suốt giai đoạn quan sát.

‘Điều này cho thấy sự giảm đa dạng – hoặc tăng đồng nhất – của các đầu ra sáng tạo của LLM theo thời gian.’

Sự khác biệt giữa các mô hình cũ và mới nhất rõ ràng nhất trong Nhiệm vụ Sử dụng Thay thế. Khoảng cách trung bình giữa các câu trả lời từ các nhà cung cấp khác nhau giảm từ khoảng 0,50 đối với các mô hình sớm nhất xuống dưới 0,40 đối với các mô hình mới nhất, có nghĩa là các câu trả lời của chúng trở nên tương đồng đáng kể. Mẫu tương tự cũng được thấy trong Infinity-Chat100, mặc dù thay đổi nhỏ hơn, với khoảng cách trung bình giảm từ khoảng 0,34 xuống chỉ trên 0,32.

Test results measuring how quickly answers from the different AI providers became more similar over time. The ‘Alternate Uses’ Task showed a much stronger decline in differences between models than Infinity-Chat, with both results remaining consistent across the researchers’ repeated sampling tests.

Phát hiện này cũng tồn tại qua tất cả 1.000 vòng lấy mẫu cân bằng. Trong mọi trường hợp, các mô hình mới hơn tạo ra các câu trả lời gần nhau hơn so với các mô hình cũ. Quy mô của những sự giảm này, cùng với khoảng tin cậy 95% của các nhà nghiên cứu, được minh họa ở trên.

Về vấn đề này, bài báo cho biết:

‘Mức độ giảm của AUT đặc biệt đáng chú ý vì mục đích của nhiệm vụ. AUT rõ ràng kiểm tra tư duy phân kỳ bằng cách hướng dẫn các mô hình tạo ra các cách sử dụng càng độc đáo và bất ngờ càng tốt, chính là bối cảnh mà các đầu ra được mong đợi sẽ khác nhau.’

Kết quả Infinity-Chat cho thấy xu hướng tương tự cũng xuất hiện trong một phạm vi rộng hơn nhiều các nhiệm vụ sáng tạo. 100 đề bài của nó yêu cầu các mô hình tạo ra nhiều loại câu trả lời mở khác nhau, và các câu trả lời này đã trở nên giống nhau hơn theo thời gian.

Sự thay đổi này nhỏ hơn so với Nhiệm vụ Sử dụng Thay thế, nhưng trở nên rõ ràng hơn ở các mô hình phát hành từ năm 2025 trở đi. Các tác giả đề xuất rằng đây có thể là dấu hiệu sớm cho thấy các đầu ra sáng tạo từ các nhà cung cấp AI khác nhau đang trở nên giống nhau hơn nói chung, chứ không chỉ ở một loại bài kiểm tra cụ thể.

Kết luận

Các vấn đề liên quan đến sự hội tụ của LLM và VLM là một nguồn lo âu đang tiếp tục và ngày càng tăng trong cả cộng đồng nghiên cứu và người tiêu dùng các mô hình hạ lưu phát sinh từ chúng. Chúng ta đang đến cuối cùng của thế hệ dữ liệu “thuần túy” đầu tiên và duy nhất mà cộng đồng nghiên cứu sẽ có quyền truy cập; và quyết tâm của các nhà cung cấp mô hình để trộm dữ liệu của đối thủ không tránh khỏi rủi ro hội tụ, vì dữ liệu đang trở nên giống hệt nhau, và các nguyên tắc đào tạo mô hình cũng tương tự, nếu không nói là giống hệt, giữa các nhà cung cấp.

Do đó, không có gì đơn giản như thay thế dấu gạch nối có khả năng xuất hiện để chống lại sự tăng lên của sự giống nhau trong đầu ra sáng tạo giữa các họ mô hình, và các trường hợp trùng lặp, ngược lại, có khả năng được phát hiện theo những cách công khai và gây xấu hổ hơn.

* Danh sách đầy đủ các mô hình bao gồm Claude-3-Haiku; Claude-Fable-5; Claude-Opus-4; Claude-Opus-4.1; Claude-Opus-4.5; Claude-Opus-4.6; Claude-Opus-4.7; Claude-Opus-4.8; Command-A; Command-R-08-2024; DeepSeek-Chat; DeepSeek-V3.1-Terminus; DeepSeek-V3.2; DeepSeek-V4-Pro; Gemini-2.5-Pro; Gemini-3-Flash-Preview; Gemini-3.1-Pro-Preview; Gemini-3.5-Flash; Llama-3.1-70B-Instruct; Llama-3.2-3B-Instruct; Llama-3.3-70B-Instruct; Llama-4-Maverick; MiniMax-01; MiniMax-M1; MiniMax-M2; MiniMax-M2.1; MiniMax-M2.5; MiniMax-M2.7; MiniMax-M3; Mistral-Large; Mistral-Large-2407; Mistral-Large-2512; Mistral-Medium-3; Mistral-Medium-3.5; Mistral-Medium-3.1; Mistral-Small-24B-Instruct-2501; Mistral-Small-2603; Mistral-Small-3.1-24B-Instruct; Mistral-Small-3.2-24B-Instruct; Mixtral-8x22B-Instruct; Kimi-K2; Kimi-K2-0905; Kimi-K2.5; Kimi-K2.6; GPT-3.5-Turbo; GPT-4; GPT-4.1; GPT-4o; GPT-5; GPT-5.1; GPT-5.2; GPT-5.3-Chat; GPT-5.4; GPT-5.5; GPT-5.6-Sol; Qwen-2.5-72B-Instruct; Qwen3-Max; Qwen3.5-Plus-20260420; Qwen3.6-Max-Preview; Qwen3.7-Max; Grok-4.20; Grok-4.3; Grok-4.5; GLM-4.5; GLM-4.6; GLM-4.7; GLM-5; GLM-5.1; và GLM-5.2

** Những nhấn mạnh của các tác giả, không phải của tôi.

^† Việc tôi chuyển đổi các trích dẫn nội dòng của các tác giả thành siêu liên kết.

Được xuất bản lần đầu vào thứ Sáu, ngày 21 tháng 8 năm 2026