揭秘dreamGPT的五维评分体系：新颖度占40%权重，AI创意是如何被打分与筛选的

揭秘dreamGPT的五维评分体系：新颖度占40%权重，AI创意是如何被打分与筛选的

【免费下载链接】dreamGPTLeverage hallucinations from Large Language Models (LLMs) for novelty-driven explorations.项目地址: https://gitcode.com/gh_mirrors/dr/dreamGPT

在AI创意生成领域，dreamGPT 用大语言模型的"幻觉"来做发散式探索，并首创了五维评分体系：新颖度、市场潜力、实用性、易实现度、影响力。其中新颖度（novelty）权重高达40%，其余四项各占 15%。这篇指南将带你拆解 dreamGPT 如何给 AI 创意打分、如何用加权总分筛选出最有价值的点子，以及快速上手的步骤。

为什么 AI 创意需要一套"评委"机制？

大多数 GPT 应用是"收敛型"的——目标明确，直接求解。而 dreamGPT 走的是"发散型"路线：尽可能多地探索可能性，让 AI 自由"做梦"。发散的问题是产出不可控，所以必须有一套客观的评估标准来区分"好创意"和"平庸点子"。

dreamGPT 的答案就是五维评分。每次生成创意时，LLM 会按照提示词中的标准，对每个概念在 0~1 的区间内打出自评分，这些标准定义在 dreamgpt/engine/prompts/dreamPrompts.py 中。

五维评分体系详解：每个维度评什么？

每个创意（dream）都会被赋予五个分数，全部落在 0~1 之间，含义如下：

权重常数集中定义在 dreamgpt/constants.py：NOVELTY_WEIGHT = 0.4，其余四项各为0.15。

为什么新颖度独占 40% 权重？

这正是 dreamGPT 的设计哲学：它不是来帮你解决已知问题的，而是来发现"没被见过"的东西。如果市场潜力和影响力占大头，模型会倾向生成"稳妥但平庸"的点子；把新颖度加权到 40%，才能激励 LLM 大胆利用幻觉、跳出常规。其余四维均衡分配，则保证创意不至于"新奇但毫无价值"。

加权总分：AI 创意的"高考公式"

五个维度打完分后，系统会用加权求和算出totalScore，逻辑在 dreamgpt/store/entity.py：

总分 = 0.40 × 新颖度 + 0.15 × 市场 + 0.15 × 实用性 + 0.15 × 易实现 + 0.15 × 影响力

举个例子：某创意新颖度 0.8、市场 0.3、实用性 0.2、易实现 0.2、影响力 0.2，则总分为0.4×0.8 + 0.15×0.3 + 0.15×0.2×3 = 0.51。总分越高，这个"梦"越有资格进入下一轮。

创意筛选机制：每轮淘汰一半，创意如何进化？

打分只是第一步，dreamGPT 真正的筛选发生在"梦境循环"中。主循环在 dreamgpt/main.py，每轮迭代执行四步：

1. Dream（做梦）：LLM 扮演随机抽取的"创意专家"角色，基于主题种子 + 随机词汇生成 6 个新创意。50% 的选题来自主题种子，50% 来自动词词库，保证"主题相关"与"意外跨界"并存。
2. Combine（组合）：随机两两配对旧创意，让 LLM 把两个点子融合成新概念（规则见 dreamgpt/engine/prompts/combinePrompts.py），就像基因杂交产生新物种。
3. Pick（筛选）：把所有创意按totalScore降序排序，只保留前50%，实现"物竞天择"。核心代码在 dreamgpt/engine/dreamEngine.py。
4. Repeat（重复）：默认循环 5 轮（MAX_ITERATIONS = 5）。

这就是一个天然的进化算法：初轮分数普遍偏低，随着高分创意不断参与组合变异，分数和创意质量会肉眼可见地爬升——官方文档也提到，后续迭代的分数会明显更高、点子也更出色。

快速上手：安装与运行 dreamGPT

只需 Python 3.10+ 与 Poetry，三步跑起来：

git clone https://gitcode.com/gh_mirrors/dr/dreamGPT cd dreamGPT poetry install

将.env.example复制为.env，填入OPENAI_API_KEY（可选：Pinecone 的 API Key 与环境名，用于持久化存储"梦境"向量库，实现见 dreamgpt/store/store.py）。然后启动：

poetry run start # 自由发散模式 poetry run start --theme "climate change" # 指定主题模式

指定主题时，dreamGPT 会先扩展出 20 个种子概念（THEME_SEED_COUNT = 20，见 dreamgpt/constants.py），再围绕它们做梦。

总结：五维评分体系给了 AI 创意"可解释"的标准

• 新颖度 40%：发散式探索的灵魂，逼着 LLM 敢想
• 市场/实用/易实现/影响力各 15%：兜住底线，防止创意飘向虚空
• 加权总分 + 每轮 50% 淘汰：让好创意在组合与迭代中自然进化

这套机制的巧妙之处在于：它没有试图消除 LLM 的"幻觉"，反而把不可控的幻觉变成了创意源泉，再用一套简单透明的五维评分把它驯服。无论你是 AI 爱好者还是创业者，都值得参考这种"发散 + 量化筛选"的 AI 创意生成思路。

【免费下载链接】dreamGPTLeverage hallucinations from Large Language Models (LLMs) for novelty-driven explorations.项目地址: https://gitcode.com/gh_mirrors/dr/dreamGPT