据Ethan Mollick在X平台指出，一项经同行评审的研究显示，大语言模型在产品开发创意评分上稳定高于Prolific平台的人类受试者，且更新、更大的模型创意表现优于早期版本；研究还测试了提升创造力的干预方法，该方法对人类有效但对LLM无显著提升（据Ethan Mollick转述该论文）。据论文作者报告，模型规模与更新迭代与更高的新颖性与有用性评分正相关，表明在产品创意生成方面，LLM相较人类基线取得可量化优势（据Ethan Mollick分享的研究）。对企业而言，这意味着可将最新LLM用于前端创新流程，如创意发散、概念变体与快速机会筛选；同时，人类创意训练并不直接提升LLM表现，提示应优先通过模型选择与提示策略优化（据该研究摘要与Ethan Mollick的报道）。