核心发现
方法论
本文基于创造力理论中的发散-收敛思维，设计两阶段提示框架。第一阶段鼓励模型探索多样元素（发散思维），第二阶段筛选并细化为符合输入要求的任务（收敛思维）。在Python任务生成中，结合主题和概念，自动化生成多样高效任务。采用Qwen-3-235B模型，结合自动化指标Vendi Score和专家评估，验证多样性提升。实验中，CREATIVEDC在任务多样性（约1.6倍）和高效性方面优于基线方法，显著提高任务的多样性和实用性。
关键结果
- CREATIVEDC在50个任务时，生成高效任务的多样性指标比基线提升约1.6倍，自动Vendi Score达13，专家评估中任务簇数达16，优于对比方法。
- 模型在任务的实用性、趣味性和新颖性方面表现优异，专家评分高于对比方法，特别是在趣味性（0.81对0.50）和新颖性方面。
- 多样性提升在不同主题和概念中均得到验证，说明方法具有良好的泛化能力。
研究意义
本研究突破了大模型在教育任务生成中的同质化问题，提出结构化提示策略，有效提升任务多样性，为大规模个性化教育内容生成提供新思路。该方法可广泛应用于编程、数学等领域，推动教育内容的创新与个性化发展，具有重要的学术和产业价值。
技术贡献
创新点在于引入发散-收敛两阶段思维框架，结合特定主题和概念，设计分步提示策略，显著提升生成内容的多样性。方法结合自动化指标与专家评估，提出“有效多样性”度量，确保高质量输出。不同于传统单一提示，结构化思维引导模型探索更广泛的创意空间，增强模型的创造力和实用性。
新颖性
首次系统性结合创造力理论中的发散-收敛思维，设计两阶段提示框架应用于教育任务生成。该策略突破了现有方法在多样性和实用性之间的平衡限制，提出“有效多样性”指标，为大模型生成多样化高效任务提供新思路。
局限性
- 当前仅在Python编程任务中验证，泛化到其他学科如数学、科学仍需验证。
- 专家评估样本有限，缺乏大规模用户反馈，实际应用效果有待进一步验证。
- 两阶段过程未进行多轮迭代优化，未来可探索循环增强生成质量。
未来方向
未来将扩展到多学科、多难度层级，结合学生模型实现个性化任务生成。还将引入多轮迭代机制，提升任务质量与多样性平衡。同时，计划结合学生反馈优化模型，推动教育内容的个性化和智能化。
AI 总览摘要
随着大规模语言模型（LLMs）在教育领域的广泛应用，内容同质化问题日益突出，限制了教育资源的多样性和个性化发展。传统提示策略难以突破模型的“人工蜂巢”效应，导致生成内容趋同，影响教学效果。本文提出了基于创造力理论的发散-收敛两阶段提示框架，设计了CREATIVEDC方法，有效提升Python编程任务的多样性。第一阶段鼓励模型探索广泛的创意空间，生成丰富的想法；第二阶段筛选并细化出符合输入要求的高效任务。实验结果显示，CREATIVEDC在任务多样性（约1.6倍）和实用性方面显著优于基线方法，验证了其有效性。通过自动化指标和专家评估，证明了该策略在教育任务生成中的潜力。该研究不仅丰富了大模型内容生成的理论体系，也为未来个性化教育内容的规模化生产提供了新思路。未来，计划将此框架推广到其他学科和复杂任务中，结合学生模型实现个性化定制，推动教育技术的创新发展。
深度分析
研究背景
近年来，大模型在教育内容生成中展现出巨大潜力，尤其在题目设计、知识点讲解等方面取得突破。代表性工作如GPT-4在数学题生成、CodeX在编程任务设计中表现优异。然而，模型普遍存在内容重复、创新不足的问题，限制了个性化和多样化发展。学术界对模型创造力的研究逐渐深入，提出多样性优化、对抗训练等策略，但在教育任务生成中的应用仍有限。现有方法多依赖微调或多模态融合，难以兼顾内容质量与多样性。
核心问题
尽管大模型能生成大量教育内容，但其输出趋向同质化，严重影响个性化教学效果。如何在保证任务实用性的同时，提升内容的多样性，成为亟待解决的难题。传统提示策略易陷入“内容重复”陷阱，缺乏系统性引导探索。尤其在教育场景中，内容多样性不仅关系到学习兴趣，还影响知识覆盖面和难度调控。解决这一问题需要创新的提示设计和评估机制，以实现高效、多样、实用的教育内容生产。
核心创新
本研究的核心创新在于引入发散-收敛两阶段思维框架，突破传统单一提示的局限。第一阶段通过鼓励模型探索广泛元素，生成多样想法，避免早期收敛；第二阶段则筛选并细化最具潜力的想法，确保任务符合输入要求。结合自动化指标和专家评估，提出“有效多样性”指标，有效衡量高质量多样任务的覆盖度。此策略显著提升了任务的多样性和实用性，填补了教育任务生成中多样性不足的空白。
方法详解
- �� 设计两阶段提示：第一阶段引导模型进行发散思维，列出多样元素；第二阶段筛选并细化成具体任务。• 利用主题和概念作为输入，结合模型生成多样想法。• 采用Qwen-3-235B模型，结合Vendi Score指标自动评估多样性。• 结合专家评估，验证生成任务的实用性和趣味性。• 设计“有效多样性”指标，衡量高效任务的多样性。• 通过自动化和人工双重评价，确保生成内容的质量与多样性。
实验设计
在20个不同主题和概念的上下文中，生成50个任务，比较CREATIVEDC与基线方法（直接提示和思维引导提示）。采用Vendi Score和专家评估两种指标，衡量多样性和实用性。设置模型温度为1.0，确保多样性。评估包括自动指标、专家评分和任务的趣味性、创新性。通过统计检验确认CREATIVEDC在多样性和内容质量上显著优于对比方法。
结果分析
CREATIVEDC在50个任务时，自动指标多样性达13，专家评估中的任务簇数达16，均优于对比方法（约1.6倍多样性提升）。任务的趣味性和新颖性评分也明显高于其他方法，显示出更丰富的创意和多样性。多样性在不同主题和概念中保持稳定，验证了方法的泛化能力。
应用场景
该方法适用于教育内容自动生成、个性化学习路径设计和智能辅导系统。只需提供主题和概念，即可生成丰富多样的练习题，提升学生兴趣和学习效果。未来还可结合学生模型，定制个性化任务，推动智能教育的发展。
局限与展望
目前仅在Python编程任务中验证，跨学科应用尚未充分验证。专家评估样本有限，实际应用效果需大规模验证。两阶段提示未进行多轮优化，可能影响任务质量。未来需探索多轮循环和个性化调节机制，以提升适应性和实用性。
通俗解读 非专业人士也能看懂
想象你在厨房里做菜，厨师需要准备不同的菜肴。传统的方法可能只会做几种菜，大家都一样，缺少新意。现在，厨师尝试用两步法：第一步，疯狂想各种奇怪的菜，比如用水果做披萨、用糖做汤；第二步，从中挑出最有趣、最可行的菜，细心准备。这样做出来的菜不仅丰富多样，还很特别。这个方法就像让模型先广泛探索各种想法，然后再筛选出最好的，确保每次都能做出新鲜有趣的菜肴。
简单解释 像给14岁少年讲一样
你知道吗？在学校里，老师布置作业，有时候会觉得题目都差不多，没有新意。科学家们也遇到这个问题，他们用一种特别的方法帮模型设计出很多不同的题目。这个方法就像你在玩游戏时，先想很多奇怪的点子，比如让一只猫变成超人，或者让机器人去火星，然后再挑出最酷、最合理的点子，写成题目。这样一来，学生们就能遇到各种新奇的题目，不会觉得无聊。科学家用这个技巧，让电脑先发散思维，想出很多点子，再收敛成最好的题目，效果特别棒！
术语表
发散-收敛思维 (Divergent-Convergent Thinking)
一种创造力策略，先广泛探索各种想法（发散），再筛选和完善（收敛）。在论文中用于引导模型生成多样任务。
引导模型在任务生成中实现多样性与实用性的平衡。
Vendi Score (文迪评分)
一种自动衡量内容多样性的指标，基于内容嵌入的余弦相似度和熵计算，反映任务的差异程度。
用于评估生成任务的多样性，确保内容不重复。
高效多样性 (Effective Diversity)
在保证任务实用性的前提下，衡量高质量任务的多样性指标，结合自动指标和专家评估。
核心评价标准之一，确保生成内容丰富且有用。
自动化指标 (Automated Metrics)
利用模型和算法自动评估内容的多样性和质量，减少人工干预。
在实验中用于快速筛查和比较不同方法。
专家评估 (Expert Evaluation)
由领域专家对生成内容的实用性、趣味性和新颖性进行主观评分，确保内容符合教育需求。
验证自动指标的有效性。
开放问题 这项研究留下的未解疑问
- 1 如何将该方法推广到数学或科学等其他学科，尤其在内容复杂度和难度层级上的适应性问题仍未解决。
- 2 模型在极端主题或高度专业化内容中的表现尚未充分验证，可能存在内容偏差或不合理的风险。
应用场景
近期应用
教育内容自动生成
教师或教育平台可利用此方法快速生成多样化练习题，提升教学效率和学生兴趣。
个性化学习路径
结合学生模型，为不同学生定制符合其水平和兴趣的练习，增强学习效果。
远期愿景
智能教育系统
未来可构建全自动化、个性化的教育内容生产平台，实现大规模定制化学习资源。
原文摘要
Large language models (LLMs) have shown the potential for generating educational content at scale, assisting educators in creating practice tasks or synthesizing data for training educational models. However, LLMs suffer from the ``Artificial Hivemind'' effect, where they produce homogeneous content. This homogeneity limits the diversity of LLM-generated tasks, a crucial factor in these educational settings. In this paper, we investigate how to increase the diversity of generated tasks while keeping their utility high. Inspired by the divergent--convergent thinking stages in creativity literature, we propose a prompting framework with two reasoning stages: (1) exploring the creative space, and (2) satisfying the input requirements. We evaluate CreativeDC, a method instantiated from this framework in the domain of Python programming, using both automated metrics and expert evaluation. Results show that CreativeDC produces significantly more distinct high-utility tasks (about $1.6\times$) than baselines. Our work offers an effective approach for generating and evaluating more diverse tasks at scale.