大模型玩你画我猜：Claude6局3胜，GPT-4o表现迷惑
一群大模型玩你画我猜，人类一旁围观超起劲儿。
就像下面这张图展示的，由Grok画长颈鹿，一堆大模型根据生成内容猜答案。参赛选手包括GPT-4o、Claude、Llama、Gemini、Grok等。
其实这是最近爆火的一种新的测试基准（doge）。
游戏结果一定程度上能反映出大模型能力，比如这组测试一共进行了6局游戏，表现最好的是Claude:它赢了3次!
GPT-4o表现有点抽象。就它画的这龙卷风，人类也看不懂。
不止如此，在很多轮游戏中，其他模型都在认认真真地答题，而它的第一个回答经常是Circle??有点子抽象。
所以有人就说，这游戏可以当测试基准来用啊。
还有人表示，AI照这个速度发展，人类就只能当围观的瓦力了。
来看看更多有趣的例子
在比较简单的题目上，所有模型都在一两个回合中就猜对了答案，比如下面的房子:
还有非常简洁的草地、海洋:
动物主题相对复杂一些，模型们一般需要猜4-5轮，比如大象这题:
游戏整体效果非常棒，网友们也是好评如潮:
你画我猜项目起源
模型画画早已不是新鲜事，但让大模型玩你画我猜?这天才想法是怎么产生的?
首先，不得不提到Simon Willison的一次测试，他让所有模型绘制自行车上有一只鹈鹕主题的图像，然后进行效果对比。
随后Paul Calcraft看到测试，他产生了一个想法:这样一个个比对太慢了，效果也不好，既然都画同一个主题，为什么不让大模型玩你画我猜的游戏呢?
没想到这位小哥说干就干，1天后就发布了“你画我猜”的0.0.1版（这令人羡慕的执行力）。
游戏中，他设定回答的模型每2秒猜测一次，回答更快的模型会更快返回答案。
网友评价褒贬不一
不少网友表示，之前大模型在《我的世界》里面比赛盖楼，令人印象深刻，而你画我猜可能成为新的视觉benchmark!
还有人热心地提出了优化建议，比如以答对互相题目的速度作为评分准则，或者加入人类成绩作为参考。
还有人提议将游戏变成对抗式训练，这样大模型会进步更快。
不过，抛去趣味性，也有网友持负面观点，表示不理解这个项目的意义。
有网友调侃说，这个游戏的作用就是成为未来AI考古时的文物，帮助它们了解自己的起源。
好嘛，咱们AI有自己的洞穴壁画（doge）。
不过，游戏化学习（Learning through play）其实是教育理论和心理学中的一个重要术语。
多位网友表示，小孩子也是通过玩游戏来提升智力、学习技能的，或许这可以成为训练大模型的新方式。
虽然这次只有6轮游戏，参与的模型也有限，但确实是一次很有趣的实践。
作者Paul Calcraft也表示会继续更新这个游戏，包括分数显示、更多的游戏主题等等，期待更多后续!
更新于：17天前