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(nèi)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(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(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，而它的第一個回答經(jīng)常是Circle？？有點子抽象。

所以有人就說，這游戲可以當(dāng)測試基準(zhǔn)來用啊。

還有人表示，AI照這個速度發(fā)展，人類就只能當(dāng)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(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(chǎn)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(chǎn)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(shè)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(zhǔn)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(xùn)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(fù)面觀點，表示不理解這個項目的意義。

有網(wǎng)友調(diào)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(xué)習(xí)（Learning through play）其實是教育理論和心理學(xué)中的一個重要術(shù)語。

多位網(wǎng)友表示，小孩子也是通過玩游戲來提升智力、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?jǐn)?shù)顯示、更多的游戲主題等等，期待更多后續(xù)！