标签
该论文提出了“对抗性内部思考”方法,为 AIWolfDial 共享任务中的狼人杀游戏构建大语言模型智能体,通过评估内部思考来决定何时发言,而不仅仅是说什么。实验通过自博弈日志分析和人类评估,验证了该方法在竞争性、不完全信息环境中的有效性。
介绍了一种包含小丑角色的三方狼人杀社交推理游戏变体,用于评估大语言模型的多跳心智理论。实验表明,当前模型难以应对反向激励机制,暴露了其在对手效用推理方面的局限性。