DesignDeathmatch：大型语言模型创意能力评估的新基准

DesignDeathmatch是针对大型语言模型（LLM）创意能力的专门基准测试，通过让模型自主完成完整品牌设计任务（从设计令牌到动画Logo再到可运行网站），全面评估设计品味、品牌一致性、技术表达力和自主执行能力等多维度创意能力。该基准模拟真实设计项目流程，结合自动化检查与人工评审的混合评分体系，推动AI创意能力评估从单纯技术指标向综合创意质量转变。

随着LLM在代码生成、文本理解和推理任务上表现出色，研究人员关注其是否具备真正的创意能力——涉及审美判断、品牌一致性、设计系统构建等复杂认知活动。传统代码能力基准无法全面衡量这些创意领域潜力，因此DesignDeathmatch应运而生，聚焦创意质量而非仅技术实现。

DesignDeathmatch核心测试场景是为虚构柏林生成式音视频工作室VEKTRA构建完整品牌识别系统，涵盖从设计令牌到动画Logo再到网站的端到端流程。评估维度包括：设计品味（审美判断）、品牌一致性（多输出连贯性）、创意野心（主动诠释与深度）、技术表达力（动态交互输出）、自主执行能力（无人工干预完成项目）、执行效率（工具调用工作效率）。

测试分为两阶段：1.初始设计执行：模型阅读BRIEF.md、DESIGN.md等四个文档后，自主完成设计令牌定义、Logo设计到网站构建全过程；2.迭代优化：模型接收升级指令，将基线版本提升至卓越级别，创建v2目录保存迭代版本，保留原始版本对比，测试自我批评与创意升级能力。

混合评分体系总分157.5分：自动化评分占102.5分（验证任务完成与技术规范），人工评审占30分（品牌一致性、设计品味、创意野心，至少两名评审员独立打分取平均），创意加分项25分（奖励迭代优化阶段的惊艳设计）。

DesignDeathmatch提供完整测试基础设施：Windows批处理脚本创建隔离测试工作区，详细评分指南；测试结果收集到VEKTRA深色主题展示网站；项目采用MIT许可证开源，允许自由使用，助力建立标准化创意能力评估体系。

该基准标志AI能力评估从代码生成向复杂创意任务拓展，为模型开发者提供改进方向（提升审美感知、品牌理解等），为研究者开辟量化机器创意新领域，展示AI辅助创意工作可能性，奠定未来人机协作创意工作流基础。

DesignDeathmatch代表AI能力评估从单一技术指标向综合创意质量转变的重要方向，强调真正强大的AI需理解美、创造美、保持一致性。该基准为行业提供共同衡量标准，推动AI系统向更具创意能力的方向发展。