大模型玩你畫我猜：Claude6局3勝，GPT-4o表現(xiàn)迷惑
一種很新的AI生圖基準測試
奇月 發(fā)自 凹非寺
量子位 | 公眾號 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畫長頸鹿，一堆大模型根據(jù)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）。
游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局游戲，表現(xiàn)最好的是Claude：它贏了3次！
GPT-4o表現(xiàn)有點抽象。就它畫的這龍卷風，人類也看不懂。
不止如此，在很多輪游戲中，其他模型都在認認真真地答題，而它的第一個回答經(jīng)常是Circle？？有點子抽象。
所以有人就說，這游戲可以當測試基準來用啊。
還有人表示，AI照這個速度發(fā)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：
動物主題相對復雜一些，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)友們也是好評如潮：
你畫我猜項目起源
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生的？
首先，不得不提到Simon Willison的一次測試，他讓所有模型繪制自行車上有一只鵜鶘主題的圖像，然后進行效果對比。
隨后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，為什么不讓大模型玩你畫我猜的游戲呢？
沒想到這位小哥說干就干，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(wǎng)友評價褒貶不一
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。
還有人提議將游戲變成對抗式訓練，這樣大模型會進步更快。
不過，拋去趣味性，也有網(wǎng)友持負面觀點，表示不理解這個項目的意義。
有網(wǎng)友調侃說，這個游戲的作用就是成為未來AI考古時的文物，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，游戲化學習（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(wǎng)友表示，小孩子也是通過玩游戲來提升智力、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輪游戲，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(xù)更新這個游戲，包括分數(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
- 打臉！GPT-4o輸出長度8k都勉強，陳丹琦團隊新基準測試：所有模型輸出都低于標稱長度2025-01-15
- 好家伙，海螺直接拍了個AI版的《教父》2025-01-10
- 2025-01-08
- 用大模型吃瓜更智能了！阿里通義實驗室提出新時間線總結框架2025-01-07
