大模型玩你畫我猜：Claude6局3勝，GPT-4o表現(xiàn)迷惑
人類一旁圍觀超起勁
奇月 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI
一群大模型玩你畫我猜，人類一旁圍觀超起勁兒。
就像下面這張圖展示的，由Grok畫長(zhǎng)頸鹿，一堆大模型根據(jù)生成內(nèi)容猜答案。參賽選手包括GPT-4o、Claude、Llama、Gemini、Grok等。
其實(shí)這是最近爆火的一種新的測(cè)試基準(zhǔn)（doge）。
游戲結(jié)果一定程度上能反映出大模型能力，比如這組測(cè)試一共進(jìn)行了6局游戲，表現(xiàn)最好的是Claude：它贏了3次！
GPT-4o表現(xiàn)有點(diǎn)抽象。就它畫的這龍卷風(fēng)，人類也看不懂。
不止如此，在很多輪游戲中，其他模型都在認(rèn)認(rèn)真真地答題，而它的第一個(gè)回答經(jīng)常是Circle？？有點(diǎn)子抽象。
所以有人就說(shuō)，這游戲可以當(dāng)測(cè)試基準(zhǔn)來(lái)用啊。
還有人表示，AI照這個(gè)速度發(fā)展，人類就只能當(dāng)圍觀的瓦力了。
來(lái)看看更多有趣的例子
在比較簡(jiǎn)單的題目上，所有模型都在一兩個(gè)回合中就猜對(duì)了答案，比如下面的房子：
還有非常簡(jiǎn)潔的草地、海洋：
動(dòng)物主題相對(duì)復(fù)雜一些，模型們一般需要猜4-5輪，比如大象這題：
游戲整體效果非常棒，網(wǎng)友們也是好評(píng)如潮：
你畫我猜項(xiàng)目起源
模型畫畫早已不是新鮮事，但讓大模型玩你畫我猜？這天才想法是怎么產(chǎn)生的？
首先，不得不提到Simon Willison的一次測(cè)試，他讓所有模型繪制自行車上有一只鵜鶘主題的圖像，然后進(jìn)行效果對(duì)比。
隨后Paul Calcraft看到測(cè)試，他產(chǎn)生了一個(gè)想法：這樣一個(gè)個(gè)比對(duì)太慢了，效果也不好，既然都畫同一個(gè)主題，為什么不讓大模型玩你畫我猜的游戲呢？
沒(méi)想到這位小哥說(shuō)干就干，1天后就發(fā)布了“你畫我猜”的0.0.1版（這令人羨慕的執(zhí)行力）。
游戲中，他設(shè)定回答的模型每2秒猜測(cè)一次，回答更快的模型會(huì)更快返回答案。
網(wǎng)友評(píng)價(jià)褒貶不一
不少網(wǎng)友表示，之前大模型在《我的世界》里面比賽蓋樓，令人印象深刻，而你畫我猜可能成為新的視覺benchmark！
還有人熱心地提出了優(yōu)化建議，比如以答對(duì)互相題目的速度作為評(píng)分準(zhǔn)則，或者加入人類成績(jī)作為參考。
還有人提議將游戲變成對(duì)抗式訓(xùn)練，這樣大模型會(huì)進(jìn)步更快。
不過(guò)，拋去趣味性，也有網(wǎng)友持負(fù)面觀點(diǎn)，表示不理解這個(gè)項(xiàng)目的意義。
有網(wǎng)友調(diào)侃說(shuō)，這個(gè)游戲的作用就是成為未來(lái)AI考古時(shí)的文物，幫助它們了解自己的起源。
好嘛，咱們AI有自己的洞穴壁畫（doge）。
不過(guò)，游戲化學(xué)習(xí)（Learning through play）其實(shí)是教育理論和心理學(xué)中的一個(gè)重要術(shù)語(yǔ)。
多位網(wǎng)友表示，小孩子也是通過(guò)玩游戲來(lái)提升智力、學(xué)習(xí)技能的，或許這可以成為訓(xùn)練大模型的新方式。
雖然這次只有6輪游戲，參與的模型也有限，但確實(shí)是一次很有趣的實(shí)踐。
作者Paul Calcraft也表示會(huì)繼續(xù)更新這個(gè)游戲，包括分?jǐn)?shù)顯示、更多的游戲主題等等，期待更多后續(xù)！
參考鏈接：
[1]https://twitter.com/paul_cal/status/1850262678712856764
[2]https://www.reddit.com/r/singularity/comments/1gcval0/llm_pictionary/
[3]https://x.com/simonw/status/1849854290153939171
— 完 —
相關(guān)閱讀
微軟僅憑「提示工程」讓GPT-4成醫(yī)學(xué)專家！超過(guò)一眾高度微調(diào)模型，專業(yè)測(cè)試準(zhǔn)確率首次超90%
網(wǎng)友：看來(lái)還未觸及極限
GPT-4o mini排名雪崩，大模型競(jìng)技場(chǎng)規(guī)則更新，奧特曼刷分小技巧無(wú)效了
分?jǐn)?shù)更反映模型能力，而不是風(fēng)格了
