“梗王”大模型，靠講笑話登上CVPR | 中山大學
誰能想到，只是讓大模型講笑話，論文竟入選了頂會CVPR！
沒開玩笑，這還真真兒的是一項正兒八經的研究。
例如看下面這張圖，如果讓你根據它來講個笑話或梗，你會想到什么？
現在的大模型看完后會說：
腦子短路。
再看一眼 蜘蛛俠 的海報，大模型會配一句“剛擦的玻璃不能弄臟”。
李云龍 、 奧本海默 也被玩得飛起：
導師讀了我的論文之后……
真男人不回頭看爆炸。
還有醬紫的：
不得不說，大模型這腦洞還是挺大的。
這項研究正是來自中山大學HCP實驗室林倞教授團隊、Sea AI Lab和哈佛大學等單位，主打的就是打破常規思維思考（Think Outside the Box），探索多模態大模型的創造力。
要知道，同樣的圖要是“喂”給ChatGPT（GPT-4）等主流大模型，讓它們講笑話或梗，畫風可并非如此：
太正經了！So boring~~~~
那么中山大學等單位的這個“梗王大模型”，是怎么煉成的呢？
先讓大模型看搞笑的數據
在數據的選擇上，團隊pick的是來自日本的“大喜利”（Oogiri）創新響應游戲。
“大喜利”本來是指一系列日本傳統戲劇游戲，隨著時代的快速發展?，F代的“大喜利”，目前一般是指一種叫Tonchi （頓智）的游戲，通常以游戲節目或智力問答節目的形式呈現。
玩家被提供各種多模態內容，可以是簡單的問題、隨機圖像等，然后提示玩家想出幽默的、有創意的反應，以達到令人驚訝的喜劇效果。
例如下面這個“圖文到文”的例子：
玩家要求閱讀圖像，和上面對應的文字，嘗試想出一段文字填入對應的問號“?”位置，使得整個圖文可以展示出幽默且有創意的效果。
在第一個例子中，老人向年輕人尋求幫助，從正常的思維來看，可能的填寫方式可以是“請問xxx路怎么走？”或者是“可以帶我回家嗎，我迷路了”之類的。
然而，所給出的“你…你能幫我解開手銬嗎？”的寫法具有沖擊感、幽默感，且看起來確實是這么一回事，讓人忍俊不禁。
再看下“圖到文”的例子：
玩家要求看圖配文，并使得圖文搭配起來具有幽默效果。
這張圖看起來是一個很普通的拖車的圖片（需要注意的是，在“大喜利”游戲中，一般圖片都是很普通的日常圖片）。
配文“快讓開！我的兄弟傷得很嚴重”讓傾斜著身體45°向上的車看起來像是一個奄奄一息的車子；在道路上快速的馳騁也確實體現了位于下方的車很著急，急著送兄弟去醫院。
還有第三種“文到文”的例子：
玩家被要求根據所給的文字進行回復，使得回復和問題合在一起具備幽默感。
這個例子中的回復似乎在調侃程序員的日常工作主要就是代碼的“復制+黏貼”（注：CV工程師除了可以表示computer vision工程師也可以表示ctrl+c/ctrl+v工程師 ）。
這項工作主要關注的就是這三種類型的“大喜利”游戲，相關數據Oogiri-GO 如下表所示，含中英日三種語言：
至于為什么要選擇“大喜利”這個游戲，是因為團隊認為它是用于探索多模態大模型創新能力的理想平臺。具體原因如下：
- “大喜利”游戲是天然的創新響應任務。如上所提到的，現代“大喜利”也被稱為Tonchi (頓智)?！邦D”在日文和中文中都表示“突然”，而“智”的意思是“智力、洞察力或直覺”，該游戲天然地要求玩家給出令人眼前一亮、靈光一閃的創新響應；
- “大喜利”的數據格式是高度合適的。不管是“圖文到文”、“圖到文”還是“文到文”，這些類型都天然地和目前多模特大模型的輸入輸出格式吻合，即輸入為“圖文”，輸出僅為“文”。
- “大喜利”數據質量高。創新是一件很難的事情，即使是人類，因此能作為“創新”相關的數據集并不多。鑒于該游戲長期在互聯網上非常活躍（在中文社區中，一般也叫日式神吐槽/冷吐槽），而且帶有大量點評數據，比如點贊數等等。正好積累了大量高質量人類創新幽默響應可以被用于研究。
再讓大模型打破常規思考
傳統的鏈式思考（Chain-of-Thought，CoT）方法是一種順序思考過程，通過逐步推理指導大模型進行邏輯推理，每個后續的思考都建立在前一個思考的基礎上：
這一思考過程一定程度上確保了精確性和嚴謹性，但對于創造性問題表現不佳。
因此，團隊探索了一種新的非順序、創造性思維范式——跳躍思維Leap-of-Thought（LoT）。
這種范式涉及到思考關聯性和知識跳躍。遠距離的思考也被認為是聯想。
與CoT強調邏輯緊密的思維鏈不同，LoT強調打破常規思維思考問題，激發模型的創造力。
基于此，團隊在Oogiri-GO數據集基礎之上，進一步提出了一套激發多模態大模型創造力的訓練方法CLoT。
具體而言，CLoT包括兩個階段。
首先是關聯性指令微調。
在這一階段，本文設計生成式和判別式模板，將Oogiri-GO數據集轉換為指令微調的訓練數據，用于訓練多模態大模型，使得模型具備初步的創新響應能力。
其次是探索性自我調整。
在這一階段中，本文首先通過設計遠關聯的條件詞，促使（1）中的模型生成多樣化且與輸入遠關聯的回答，并設計篩選流程，獲得可靠的新LoT數據。隨后，新數據被轉換成指令微調的訓練數據，用于進一步微調模型。
這一階段可以再細分為兩個步驟：
- 探索性遠程關聯：這一步驟鼓勵LLM在給定的弱關聯條件下產生創新的回應。通過這種方式，LLM學習在看似不相關的概念之間建立聯系，從而生成多樣化的創意內容。
- 自我精煉：在探索性遠程關聯的基礎上，通過設計一系列篩選流程，收集到的創意回應被用來進一步訓練LLM。這樣做可以提高LLM在處理創造性任務時的表現，使其能夠生成更高質量和多樣性的內容。
性能評估
為了盡可能全面評估CLoT，這項研究基于Oogiri-GO數據集，設計了選擇題和排序題作為量化評估方式。
實驗結果表明，CLoT能夠顯著提高多模態大模型（如Qwen和CogVLM）的性能，顯著超越包括GPT4v在內的先進模型。
另外，與其他先進推理框架CoT等相比，在各項量化指標下也是有顯著優勢的。
此外，研究團隊還通過用戶調查，證實了CLoT幫助模型生成了更好的幽默內容。
研究團隊還考慮到了CLoT的泛化性，用“看云猜物CGG”和“發散思維測試DAT”兩個其他任務評估CLoT的性能，實驗結果顯示CLoT相對于基準模型具有更好的準確度，說明CLoT具備不錯的泛化能力。
DAT是一種用于評估人類聯想創造能力的測試。
團隊介紹
中山大學人機物智能融合實驗室 (HCP Lab) 由林倞教授于 2010 年創辦，近年來在多模態內容理解、因果及認知推理、具身學習等方面取得豐富學術成果，數次獲得國內外科技獎項及最佳論文獎，并致力于打造產品級的AI技術及平臺。
論文：??https://arxiv.org/abs/2312.02439???
Project：???https://zhongshsh.github.io/CLoT/???
Code：???https://github.com/sail-sg/CLoT??
本文轉自 量子位 ，作者：量子位
