醍醐骑车是什么？为什么不用其他场景或者动物？

AI热点问题

“醍醐骑车”通常是“鹈鹕（tí hú）骑车”（A pelican riding a bicycle）的同音误写（“醍醐”常用于“醍醐灌顶”，而“鹈鹕”是一种拥有巨大喉囊的水鸟）。它并不是传统寓言或成语，而是大模型领域一个现象级的视觉空间推理与代码生成基准测试（Benchmark Meme）。

这个梗最早在 Anthropic 发布 Claude 3.5 Sonnet 时火遍全网。社区为了测试大语言模型在没有视觉画板反馈、纯靠文字输出代码时的“空间想象力”，经常给模型下达一个核心指令：“用纯 SVG 代码画一只骑自行车的鹈鹕”。

---

大模型只能通过输出一个个坐标、曲线控制点（如 <circle>、<path d="M... C...">）来盲画图像。社区之所以偏偏选中“鹈鹕”和“自行车”拼在一起，是因为这个组合在提示词设计上堪称完美的“压力测试试金石”：

1. 对抗训练集记忆（极度罕见的零样本组合）

如果测试提示词是“猫吃鱼”、“小狗玩球”或“人骑自行车”，开源代码库（如 GitHub、CodePen）和设计网站里存在海量的现成 SVG 代码。模型很可能只是在死记硬背（Memorization）训练集并复读。

而“鹈鹕骑自行车”在真实世界和网络代码库中极其罕见（Out-of-Distribution, OOD）。模型无法抄袭现成答案，必须真正理解“鹈鹕的外形特征”和“自行车的机械结构”，并在潜空间内将两个无关概念进行从零开始的概念重组。

2. 生物异形与机械刚体的极端冲突

• 自行车的几何约束极度严格：前后车轮、等径圆、轴心、三角形车架、把手、座垫、踏板必须符合严格的物理力学比例。稍微错位几个像素，车轮就会悬空或车架断裂。
• 鹈鹕的生物解剖极其特殊：如果是猴子或青蛙，四肢结构和人相似，很容易对齐车把和脚踏。但鹈鹕拥有极其夸张的巨型喉囊与长喙、圆滚滚的身体、短小的腿、带蹼的脚掌以及羽翼。

让一种完全不适合骑车的动物去操作一辆人类机械，直接迫使模型解决一系列棘手的空间对齐问题：

• 巨大的喙会不会直接插进前轮或挡住视线？
• 翅膀该如何“握”住车把？
• 带蹼的脚掌如何踩在脚踏板上？
• 屁股重心能否准确落在车座正上方？

3. SVG 矢量代码的双重技术考验

• 曲线复杂度：画车架与轮子考验的是直角坐标与标准几何形（圆、直线）；而画鹈鹕的喉囊弧线和羽毛，则极度考验模型对三次贝塞尔曲线控制点的数值预估能力。
• 图层遮挡关系（Z-Order）：SVG 代码完全由书写顺序决定上下遮挡。远处车轮在最底层、身体和车架在中间、近处翅膀和近处脚踏板在最上层。只要模型搞错一层，就会出现“脚穿透车架”或“轮子浮在身体上”的透视崩溃。

4. 视觉幽默与天然的传播属性

一只神情严肃、嘴大如盆的水鸟，一本正经地蹬着两轮脚踏车，本身就带有荒诞的幽默感。测试结果无论是极其逼真还是崩坏成抽象派画作，都极具社交媒体传播力，因此迅速成为了衡量各家旗舰大模型（Claude、GPT-4o、Gemini 等）多模态代码与空间认知能力的非官方金标准。