小小井字棋難倒大模型？？大神卡帕西被OpenAI在線踢館了
寶可夢之后，讓大模型玩井字棋又成了一個新的熱門挑戰。
起因是網友在X上吐槽大模型寶可夢玩得不夠好，結果被大神Karpathy翻了牌子：
別盯著寶可夢了，讓大模型玩井字棋會更有趣，它們不會。
結果Karpathy的話引發了大量圍觀，有人表示驚訝，也有人在分析原因，還有人表示那句經典的話含金量還在上升：
對人類而言很簡單的任務，對機器來說反而很難；對人類而言難的任務，對機器來說反而簡單。
不過也有人表示不服，其中就包括OpenAI的Noam Brown，他表示讓o3玩井字棋完全沒問題，甚至還能看圖下棋。
大模型挑戰井字棋
我們也嘗試了一下，用不同的方式和o3對戰。
第一種方式是用O和X表示棋子，-表示空位，每次直接把完整的棋局輸入給o3，并要求其用同樣的方式輸出。
思考約12秒之后，o3首先占據了棋盤中央的位置，我們落子之后，o3又思考了23秒，放置了第二顆X棋子。
接下來的兩個回合情況是這樣，其實當o3占據對角線上兩個位置的時候就已經鎖定了勝局。
不過有意思的是，直到已經連成一條線，o3都沒發現自己已經贏了。
由于沒有提示，我們誤以為游戲還在繼續，又放了一顆O旗之后o3才發現原來自己獲勝了。
第二輪，交換先后手，我們先占據中間位置，然后o3選擇了頂角……
最終，這輪游戲以平局結束。
接下來換一種方式，仿照Noam的做法把殘局寫在紙上拍給o3。
一開始看上去是在正常對弈，并且會以平局收場，但如果讓o3自己分析接下來的趨勢，竟然發現它開啟了耍賴模式。
當然，在糾正了它的錯誤認識后，最終還是成功分析出了平局的必然結果。
順便提一句，如果是4o，過程中可能會直接把我們下棋之后的棋局復制一遍，看到這就沒有繼續進行下去的必要了。
（之所以改用感嘆號，是因為-會被識別成Markdown符號導致棋局無法正常顯示，且在4o中Markdown關閉失敗）
實際上，OpenAI在之前的o3-mini時，就已經拿下了井字棋游戲，Noam還聲稱這是首個“始終正確回答”井字棋問題的模型。
在Karpathy的評論區，還有人曬圖稱Gemini也能正確處理井字棋問題。
今年2月，還有人搞了個大模型井字棋對戰，并按照大模型競技場一樣計算ELO評分，當時o1-mini取得第一，然后是Claude 3.5 Sonnet和DeepSeek-R1。
Karpathy也cue到了這位網友，希望他能重啟這個榜單，同時表示自己認為井字棋（對大模型而言）仍然是一個較難的任務。
寶可夢·藍全部徽章被Gemini拿下
看完井字棋，再來說說引發Karpathy評論的原帖中提到的寶可夢。
之前很多民間團隊都在嘗試用大模型挑戰寶可夢游戲，今年被Claude帶火。
甚至還搞了線上直播。
不過現在的最新情況是，Claude已經被后來居上的Gemini反超——后者已經取得了《寶可夢·紅》中的幾乎所有勛章。
同時，從OpenAI跳槽到谷歌做AI Studio產品負責人的Logan Kilpatrick也宣稱，Gemini在另一款寶可夢游戲《寶可夢·藍》當中已經取得了最后的八個徽章。
按照Logan的說法，Gemini 2.5 Pro目前是世界上（玩寶可夢）最強的模型。
當然除了通用模型，還有團隊用強化學習方法訓練小模型專門挑戰《寶可夢·紅》。
團隊介紹，其研究在2020年就已經開始，并在今年2月成功用參數量不到1000萬的模型成功實現。
學術界當中，也有來自佐治亞理工學院的華人學者利用上下文強化學習技術，研發出了“寶可夢智能體”。
它可以在天梯對戰中與人類玩家一較高下，對戰專業玩家勝率達到了56%。
寶可夢、井字棋之后，下一個會被大模型當做Benchmark的游戲會是什么呢？
