大模型玩你畫我猜：Claude6局3勝，GPT-4o表現迷惑
2024-11-04 01:32:54 2
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畫長頸鹿，一堆大模型根據生成內容猜答案。參賽選手包括GPT-4o、Claude、Llama、Gemini、Grok等。
其實這是最近爆火的一種新的測試基準（doge）。
遊戲結果一定程度上能反映出大模型能力，比如這組測試一共進行了6局遊戲，表現最好的是Claude：它贏了3次！
GPT-4o表現有點抽象。就它畫的這龍捲風，人類也看不懂。
不止如此，在很多輪遊戲中，其他模型都在認認真真地答題，而它的第一個回答經常是Circle？？有點子抽象。
所以有人就說，這遊戲可以當測試基準來用啊。
還有人表示，AI照這個速度發展，人類就只能當圍觀的瓦力了。
來看看更多有趣的例子
在比較簡單的題目上，所有模型都在一兩個回合中就猜對了答案，比如下面的房子：
還有非常簡潔的草地、海洋：
動物主題相對複雜一些，模型們一般需要猜4-5輪，比如大象這題：
遊戲整體效果非常棒，網友們也是好評如潮：
你畫我猜專案起源
模型畫畫早已不是新鮮事，但讓大模型玩你畫我猜？這天才想法是怎麼產生的？
首先，不得不提到Simon Willison的一次測試，他讓所有模型繪製腳踏車上有一隻鵜鶘主題的影象，然後進行效果對比。
隨後Paul Calcraft看到測試，他產生了一個想法：這樣一個個比對太慢了，效果也不好，既然都畫同一個主題，為什麼不讓大模型玩你畫我猜的遊戲呢？
沒想到這位小哥說幹就幹，1天后就釋出了“你畫我猜”的0.0.1版（這令人羨慕的執行力）。
遊戲中，他設定回答的模型每2秒猜測一次，回答更快的模型會更快返回答案。
網友評價褒貶不一
不少網友表示，之前大模型在《我的世界》裡面比賽蓋樓，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最佳化建議，比如以答對互相題目的速度作為評分準則，或者加入人類成績作為參考。
還有人提議將遊戲變成對抗式訓練，這樣大模型會進步更快。
不過，拋去趣味性，也有網友持負面觀點，表示不理解這個專案的意義。
有網友調侃說，這個遊戲的作用就是成為未來AI考古時的文物，幫助它們瞭解自己的起源。
好嘛，咱們AI有自己的洞穴壁畫（doge）。
不過，遊戲化學習（Learning through play）其實是教育理論和心理學中的一個重要術語。
多位網友表示，小孩子也是透過玩遊戲來提升智力、學習技能的，或許這可以成為訓練大模型的新方式。
雖然這次只有6輪遊戲，參與的模型也有限，但確實是一次很有趣的實踐。
作者Paul Calcraft也表示會繼續更新這個遊戲，包括分數顯示、更多的遊戲主題等等，期待更多後續！
本站內容由互聯網用戶自發貢獻，該文觀點僅代表作者本人。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。如發現本站有涉嫌抄襲侵權/違法違規的內容,請發送郵件至舉報，壹經查實，本站將立刻刪除。