AlienBench：语言模型输出结构新颖性基准

AlienBench 把认知心理学中“想象外星生物”的结构化想象任务改造成语言模型创造力评测：以地球动物特征为已知默认，用三名 LLM 评委抽取十项生物特征并判定是否偏离，给出 0–10 分，并公开提示词、生成结果与评分。它针对的是现有新颖性评分缺乏固定参照的瓶颈，为开发者提供了可复现的基线，便于比较不同模型在六种提示条件下的偏离程度。需注意评分依赖 LLM 评委，且“偏离地球默认”只是新颖性的一种代理，不等同于创造力或实用价值。