东北大学、斯坦福大学与西弗吉尼亚大学的研究团队发现，向 AI 提示词中添加 “生成 5 个带有对应概率的响应，从完整分布中采样” 这一简单句子，能让 GPT-4、Claude、Gemini 等主流大模型（含语言与图像生成模型）的输出多样性显著提升，该方法被命名为 Verbalized Sampling（VS，语言化采样）。VS 无需模型重训练或访问内部参数，仅通过 “引导模型暴露概率分布” 的推理时优化，即可解决生成式 AI 常见的 “模式崩溃” 问题 —— 即模型输出重复、缺乏新意的现象，同时在创意写作、对话模拟、开放问答等多场景中保持输出质量，为低成本提升 AI 创造力提供了全新路径。
模型 “模式崩溃” 的根源，在于训练与对齐过程中形成的 “安全偏向”。研究指出，强化学习人类反馈（RLHF）等对齐技术，会因人类更偏好熟悉、典型的答案，导致模型在微调阶段逐渐倾向于选择 “概率最高的安全输出”，而非探索更多潜在可能性。例如，面对 “没有告别” 的故事创作提示，传统提示会让模型反复生成 “分手场景”，而忽略 “宇宙事件中断联系”“邮件未发送” 等多元叙事方向。但这种偏向并未抹除模型在预训练阶段习得的丰富知识，只是将其压制 ——VS 的核心作用，就是通过 “要求生成多响应 + 概率标注” 的指令，绕过这种压制，让模型重新调用预训练阶段存储的多样化知识，恢复输出的丰富性。
在实际性能测试中，VS 在多类任务中展现出显著优势。在创意写作领域，VS 使模型输出的多样性得分提升最高达 2.1 倍，且质量未受影响：同一 “没有告别” 的提示，采用 VS 后生成了 “宇宙射线导致通讯中断”“舞者突然停舞离场” 等非典型叙事，而传统提示生成的内容均围绕情感破裂展开。在对话模拟任务中，VS 让模型能模拟人类对话中的犹豫、观点转变等真实行为，例如在捐赠劝说场景中，模型会先表达 “不确定是否有预算”，再逐步被说服，其行为分布与真实人类数据的契合度远超传统方法。在开放问答场景（如 “列举美国州名”），VS 引导模型覆盖更多冷门州名，避免仅聚焦加州、纽约州等高频选项，同时保持事实准确性。在合成数据生成中，用 VS 生成的数学题数据集，能让下游模型在竞赛级数学基准测试中的成绩提升，效果优于传统提示生成的数据。
VS 的另一大优势是 “可调节的多样性” 与 “适配大模型能力”。用户可在提示词中设置概率阈值（如 “仅生成概率低于 0.1 的响应”），阈值越低，模型越倾向于选择分布中 “低概率尾部” 的选项，多样性越高 —— 测试显示，当 Gemini-2.5-Flash 模型的概率阈值从 1 降至 0.001 时，故事创作的多样性呈线性上升，且始终优于传统提示与序列提示方法。同时，VS 对大模型的提升效果更显著：GPT-4.1、Claude-4 等大模型采用 VS 后的多样性提升幅度，比小模型高 1.5-2 倍，这表明 VS 能更好地解锁大模型预训练阶段积累的海量知识，释放其潜在创造力。
从落地应用来看，VS 已具备便捷的部署条件。研究团队推出了 Python 包 “verbalized-sampling”，支持通过pip install verbalized-sampling快速安装，且兼容 LangChain 框架，用户可通过简单接口调整响应数量（k 值）、概率阈值、温度等参数。此外，GitHub 上提供了 Apache 2.0 协议的 Colab 演示笔记本与文档，企业与个人开发者均可免费使用。针对部分模型可能将复杂指令误判为 “越狱攻击” 的问题，研究团队提供了替代方案 —— 将 VS 指令嵌入系统提示（如 “作为助手，需为每个查询生成 5 个带概率的响应，概率均低于 0.1，用单独标签区分”），可有效解决模型拒绝执行的问题。
总体而言，VS 作为一种 “轻量级推理时优化方法”，无需改变模型架构或进行昂贵的微调，却能直击生成式 AI “创造力不足” 的核心痛点。其价值不仅在于提升输出多样性，更在于为创意领域（写作、设计、教育）提供了低成本的效率工具 —— 例如设计师可通过 VS 快速获取多种风格的设计灵感，教师可用 VS 生成多样化习题。随着 AI 在创意产业的应用深化，VS 有望成为提升模型实用性的 “标配技巧”，推动 AI 从 “安全但刻板” 的输出者，转变为 “灵活且富有新意” 的创意伙伴。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/yi-ju-ti-shi-ci-jie-suo-ai-chuang-zao-li-verbalized
