“梗王”大模型，靠讲笑话登上CVPR | 中山大学

　　中山大学 HCP 实验室投稿

　　量子位公众号 QbitAI

　　谁能想到，只是让大模型讲笑话，论文竟入选了顶会CVPR！

　　没开玩笑，这还真真儿的是一项正儿八经的研究。

　　例如看下面这张图，如果让你根据它来讲个笑话或梗，你会想到什么？

　　现在的大模型看完后会说：脑子短路。

　　再看一眼蜘蛛侠的海报，大模型会配一句“刚擦的玻璃不能弄脏”。

　　李云龙、奥本海默也被玩得飞起：

导师读了我的论文之后……

　　真男人不回头看爆炸。

　　还有酱紫的：

　　不得不说，大模型这脑洞还是挺大的。

　　这项研究正是来自中山大学 HCP 实验室林倞教授团队、Sea AI Lab 和哈佛大学等单位，主打的就是打破常规思维思考（Think Outside the Box），探索多模态大模型的创造力。

　　要知道，同样的图要是“喂”给 ChatGPT（GPT-4）等主流大模型，让它们讲笑话或梗，画风可并非如此：

　　太正经了！So boring~~~~

　　那么中山大学等单位的这个“梗王大模型”，是怎么炼成的呢？

　　先让大模型看搞笑的数据

　　在数据的选择上，团队 pick 的是来自日本的“大喜利”（Oogiri）创新响应游戏。

　　“大喜利”本来是指一系列日本传统戏剧游戏，随着时代的快速发展。现代的“大喜利”，目前一般是指一种叫 Tonchi （頓智）的游戏，通常以游戏节目或智力问答节目的形式呈现。

　　玩家被提供各种多模态内容，可以是简单的问题、随机图像等，然后提示玩家想出幽默的、有创意的反应，以达到令人惊讶的喜剧效果。

　　例如下面这个“图文到文”的例子：

　　玩家要求阅读图像，和上面对应的文字，尝试想出一段文字填入对应的问号“?”位置，使得整个图文可以展示出幽默且有创意的效果。

　　在第一个例子中，老人向年轻人寻求帮助，从正常的思维来看，可能的填写方式可以是“请问 xxx 路怎么走？”或者是“可以带我回家吗，我迷路了”之类的。

　　然而，所给出的“你…你能帮我解开手铐吗？”的写法具有冲击感、幽默感，且看起来确实是这么一回事，让人忍俊不禁。

　　再看下“图到文”的例子：

　　玩家要求看图配文，并使得图文搭配起来具有幽默效果。

　　这张图看起来是一个很普通的拖车的图片（需要注意的是，在“大喜利”游戏中，一般图片都是很普通的日常图片）。

　　配文“快让开！我的兄弟伤得很严重”让倾斜着身体 45°向上的车看起来像是一个奄奄一息的车子；在道路上快速的驰骋也确实体现了位于下方的车很着急，急着送兄弟去医院。

　　还有第三种“文到文”的例子：

　　玩家被要求根据所给的文字进行回复，使得回复和问题合在一起具备幽默感。

　　这个例子中的回复似乎在调侃程序员的日常工作主要就是代码的“复制+黏贴”（注：CV 工程师除了可以表示 computer vision 工程师也可以表示 ctrl+c/ctrl+v工程师）。

　　这项工作主要关注的就是这三种类型的“大喜利”游戏，相关数据Oogiri-GO如下表所示，含中英日三种语言：

　　至于为什么要选择“大喜利”这个游戏，是因为团队认为它是用于探索多模态大模型创新能力的理想平台。具体原因如下：

“大喜利”游戏是天然的创新响应任务。如上所提到的，现代“大喜利”也被称为 Tonchi (頓智)。“頓”在日文和中文中都表示“突然”，而“智”的意思是“智力、洞察力或直觉”，该游戏天然地要求玩家给出令人眼前一亮、灵光一闪的创新响应； “大喜利”的数据格式是高度合适的。不管是“图文到文”、“图到文”还是“文到文”，这些类型都天然地和目前多模特大模型的输入输出格式吻合，即输入为“图文”，输出仅为“文”。 “大喜利”数据质量高。创新是一件很难的事情，即使是人类，因此能作为“创新”相关的数据集并不多。鉴于该游戏长期在互联网上非常活跃（在中文社区中，一般也叫日式神吐槽/冷吐槽），而且带有大量点评数据，比如点赞数等等。正好积累了大量高质量人类创新幽默响应可以被用于研究。

　　再让大模型打破常规思考

　　传统的链式思考（Chain-of-Thought，CoT）方法是一种顺序思考过程，通过逐步推理指导大模型进行逻辑推理，每个后续的思考都建立在前一个思考的基础上：

　　这一思考过程一定程度上确保了精确性和严谨性，但对于创造性问题表现不佳。

　　因此，团队探索了一种新的非顺序、创造性思维范式——跳跃思维Leap-of-Thought（LoT）。

　　这种范式涉及到思考关联性和知识跳跃。远距离的思考也被认为是联想。

　　与 CoT 强调逻辑紧密的思维链不同，LoT 强调打破常规思维思考问题，激发模型的创造力。

　　基于此，团队在 Oogiri-GO 数据集基础之上，进一步提出了一套激发多模态大模型创造力的训练方法CLoT。

　　具体而言，CLoT 包括两个阶段。

　　首先是关联性指令微调。

　　在这一阶段，本文设计生成式和判别式模板，将 Oogiri-GO 数据集转换为指令微调的训练数据，用于训练多模态大模型，使得模型具备初步的创新响应能力。

　　其次是探索性自我调整。

　　在这一阶段中，本文首先通过设计远关联的条件词，促使（1）中的模型生成多样化且与输入远关联的回答，并设计筛选流程，获得可靠的新 LoT 数据。随后，新数据被转换成指令微调的训练数据，用于进一步微调模型。

　　这一阶段可以再细分为两个步骤：

探索性远程关联：这一步骤鼓励 LLM 在给定的弱关联条件下产生创新的回应。通过这种方式，LLM 学习在看似不相关的概念之间建立联系，从而生成多样化的创意内容。自我精炼：在探索性远程关联的基础上，通过设计一系列筛选流程，收集到的创意回应被用来进一步训练 LLM。这样做可以提高 LLM 在处理创造性任务时的表现，使其能够生成更高质量和多样性的内容。

　　性能评估

　　为了尽可能全面评估 CLoT，这项研究基于 Oogiri-GO 数据集，设计了选择题和排序题作为量化评估方式。

　　实验结果表明，CLoT 能够显著提高多模态大模型（如 Qwen 和 CogVLM）的性能，显著超越包括 GPT4v 在内的先进模型。

　　另外，与其他先进推理框架 CoT 等相比，在各项量化指标下也是有显著优势的。