看图说话的能力人人皆有，可是如何根据图片给出机智巧妙的回答则是一个难题。我们用＂一图胜千言＂来强调图像在传达信息方面的强大能力，然而在网络上分享图片时，＂字越少，事越大＂，一段简短的文字就足够快速地传达关键信息。到底如何正确地吐槽？由于文化特色，各种语言都以类似形式流传于网络社区：英文有Reddit、推特，日文集中于大喜利，中文则散落在各大社交媒体的热评，直到盘成电子包浆。为了统一概念，本文将此类欢乐向的吐槽都简称为大喜利。

大喜利来源于歌舞伎中的“大切” ，原意指演出的最后一幕的最终场景，现在由于电视节目《笑点》“大喜利”环节的普及，和金发肌肉艺人El Chicken Rice（aka松本人志）『一人ごっつ』节目的影响下，大喜利逐渐演变为以针对题目给出荒诞不经的回答，或是从照片中想象出有趣的台词并作答的形式为主流。

如果想品鉴一张图的配词是否足够有趣，点赞数无疑是最好的选择，但受到时效性、文化背景等影响，无法理解图片与文字的关系也在所难免——“我觉得很尬”“这哪里好笑了”“完全get不到”。要是以“不好笑、稍微好笑、好笑”的三分制标准来评判，网上能检索到的数据基本来自The New Yorker旗下的Cartoon Caption Contest和来自bokete.jp的日式神吐槽，后者也是各大网站流传meme的常客。

Cartoon Caption Contest 于1998年首次举办，自2005年开始常规连载，由时任漫画编辑 Robert Mankoff 主持。杂志每周都会发布一幅需要配字的漫画，邀请读者在网站或者Ins上提交回答，然后编辑部会从中选出三位决赛选手，最后由读者投票选出冠军。漫画大多为黑白风格，偶尔会引入彩色。每周投稿数大约在五千个。

bokete则发源于大喜利的玩法，不限于漫画这一风格，文字题、图片题、填空题都有自己的一席之地。目前投稿数已经超过一亿个。

怎样才能回答出好笑的大喜利呢？以下是我观察到的一些方法论：

除了上述一板一眼你问我答的传统交互方式，众多“大喜利+X”的节目风格被逐渐开发出来。

由搞笑艺人千原Junior策划并主持的节目，每期节目邀请多位艺人作为玩家参与抢椅子游戏，椅子上写着“大喜利”“模仿”“歌曲配词”等主题，没有抢到椅子的艺人需要对坐上某张椅子的艺人发起挑战，根据主题进行表演，胜者可留下来继续抢椅子，直到决出最后的冠军“座王”。

大喜利+狼人杀的巧妙结合。“滑狼”取日文中“冷场”的谐音，把狼人杀的白天环节改为大喜利+讨论，滑狼为准备好的冷场回答，所以谁的大喜利环节冷场了就容易被怀疑成滑狼而被票出去。由于玩家各自的大喜利和狼人杀水平参差不齐，经常有“狼人杀有多强，大喜利有多冷场”的环节。

知名制作人佐久間宣行在YouTube上更新的硬核搞笑节目，不仅限于大喜利，正经电视上不让播的企划这里都有。

相比于相声小品脱口秀还需要剧本，大喜利突出一个异想天开、张口就来，只要说的怪话够多，指不定哪天就被顶上热评。 日剧《重启人生》的编剧笨蛋节奏，在IPPON大奖赛中6次获得优胜；Lawrence Wood 周周参加 Cartoon Caption Contest ，8次被选为最佳回答；NOBROCK TV里发掘的前AKB成员福留光帆，赌博啃老buff叠满，尼崎不养无趣之人。

那AI能否通过学习大喜利的答题方式来模仿人类呢？我试着爬了 Cartoon Caption Contest 和 bokete的数据。Cartoon Caption Contest清点下来365张图片可用，取每张前100个回答，微调语句为“Write a funny caption”，数据在这儿。bokete由于网站推送机制，为了避免一年内的回答有点赞波动，所以取前七百万个问题，如果该问题的最高赞回答获得的星星数超过100则保留，筛选下来有384k的数据，数据在这儿。

后来按星星数降序观察每张图片的回答，大约有一半都是文字题和填空题，喂给GPT发现OCR识别效果不佳，典型的如下图。

所以本次训练基本围绕不含文字的图片来展开。先反向使用OCR粗筛一遍，如果识别出文字则不要，没识别出文字则保留，然后人工再细筛一遍。最后由于回答都是日文，而且基于日文的大模型不咋用，就全给翻译成中文，数据在这儿。中文的微调语句是“根据图片给出有趣巧妙的回答”，日文的则是“写真で一言”。只有前100k的数据是因为一半是图片题，剩下一半由于长尾分布，梗比较一般就都砍了，留下100k，但也不代表个个都好笑啊，有些梗我也闹不明白。

以下是一些训练参数：

模型在这儿，显存实际占用40G以上，4 * 24GB以上可运行，看看实际效果。

图片来自第二十七届IPPON大奖赛，我觉得“车检”“你刚才说了‘小鬼’吧？”“啊，你也是来避难的吗？”这三个还不错，其他一般。

随着大模型发展和输入语料的提升，各家模型的进步程度有目共睹。如果有人想继续开发，有几个方向可供参考：

搞笑没有正确答案，正经大模型的错误回答也能被拿来当meme传播，创新、简洁、有趣是大喜利不变的主题。