Resumen: En dominios abiertos como el arte, los agentes autónomos deben generar ideas que sean originales e internamente coherentes; sin embargo, los modelos de lenguajes grandes (LLM, por sus siglas en inglés) actuales recurren a patrones culturales familiares o sacrifican la coherencia cuando se los empuja hacia la novedad. Abordamos esto presentando el Cultural Alien Sampler (CAS), un método de selección de conceptos que separa explícitamente el ajuste compositivo de la tipicidad cultural. CAS utiliza dos modelos GPT-2 ajustados a los conceptos de WikiArt: un modelo de coherencia conceptual que califica si los conceptos coexisten de manera plausible dentro de las obras de arte, y un modelo de contexto cultural que estima qué tan típicas son esas combinaciones dentro de los cuerpos de trabajo de los artistas individuales. CAS apunta a combinaciones que tienen una alta coherencia y una baja tipicidad, produciendo ideas que mantienen la coherencia interna al tiempo que se desvían de las convenciones aprendidas y del contexto cultural arraigado. En una evaluación humana (N = 100), nuestro enfoque supera la selección aleatoria y las líneas de base GPT-4o y logra un rendimiento comparable al de los estudiantes de arte humano tanto en originalidad percibida como en armonía. Además, un estudio cuantitativo muestra que nuestro método produce resultados más diversos y explora un espacio conceptual más amplio que su contraparte GPT-4o, lo que demuestra que la alienación cultural artificial puede desbloquear el potencial creativo en agentes autónomos.
Publicado originalmente en export.arxiv.org el 26 de octubre de 2025.
Ver fuente original
