一支由meta FAIR实验室主导，联合伦敦大学学院、meta超级智能实验室及英属哥伦比亚大学学者组成的研究团队，在国际顶级学术期刊发表了一项关于人工智能研究助手性能影响因素的研究成果。该研究通过分析超过1.1万次完整的科研项目执行过程，发现AI研究助手的思维多样性对其工作表现具有决定性作用。
研究团队构建了名为MLE-bench的测试平台，包含75个来自Kaggle竞赛的真实机器学习任务，涵盖计算机视觉、自然语言处理等五大领域。通过对比6种不同大语言模型在三种工作框架下的表现，研究人员发现那些能够提出更多解决方案的AI系统，在任务完成度上平均高出23%。这种相关性在奖牌系统、标准化分数等五项评价指标中均得到验证。
实验数据显示，高性能AI模型在项目初期平均会考虑3.5种不同方法，而性能较低的模型仅考虑2.8种。当研究人员通过修改提示词限制AI助手的方法选择后，其任务完成率下降了17%，有效解决方案提交量减少40%。特别是在文本标准化任务中，低多样性AI因过度依赖T5模型导致63%的项目超时失败。
信息论中的香农熵被用于量化思维多样性。以图像分类任务为例，AIDE系统70%的尝试集中在梯度提升决策树和卷积神经网络，而AIRAGreedy系统则均衡使用四种不同架构。这种差异导致前者在复杂任务中的失败率比后者高出31个百分点。研究人员指出，思维多样性通过两条路径影响表现：一是提供备选方案降低实现风险，二是通过多路径探索提高发现最优解的概率。
进一步分析显示，AI助手的实现能力与思维多样性存在正向关联。使用o3模型的系统在保持高多样性的同时，其代码调试效率比其他模型高出40%。工作轨迹分析表明，表现优异的AI会将65%的计算资源用于优化已实现的解决方案，而非持续尝试新方法。这印证了"将创意转化为成果"的关键作用。
研究团队特别改进了传统评价体系，引入有效提交率、ELO评分等四项补充指标。在时间序列预测任务中，某AI系统虽仅获铜牌，但其ELO评分显示其实际能力接近人类顶尖选手。这种多维评价证实，思维多样性带来的优势在不同评价框架下均保持稳定。
控制实验揭示了因果关系：当强制AI助手减少方法种类时，其标准化分数平均下降0.15个标准差。这种影响在需要创新解决方案的任务中更为显著，例如在多模态学习任务中，多样性受限的AI无法提出任何有效架构，而对照组产生了7种创新模型。
研究还发现，不同AI系统在思维多样性上的差异远大于其基础智能差异。通过调整"温度"参数控制随机性的尝试效果有限，表明思维多样性需要专门的设计机制。在表格数据分析任务中，具备自适应复杂度提示的系统比固定策略系统多探索了2.3倍的解决方案空间。
这项成果对AI工具开发具有直接指导意义。研究人员建议，未来系统应内置"创意孵化器"模块，在项目初期强制生成多样化方案。对于用户而言，在任务描述中增加"考虑不同技术路线"的提示，可使解决方案质量提升19%。某参与测试的科研团队反馈，采用多样性策略后，其AI助手在药物发现任务中提出了三种全新分子结构，其中一种已进入临床前研究阶段。
