【新智元导读】AI版「狼人杀」巅峰局开大ღ★ღ◈！全球七大顶尖LLM狂飙演技ღ★ღ◈，210场高能对战ღ★ღ◈，GPT-5最终一举夺冠ღ★ღ◈，GPT-OSS垫底ღ★ღ◈。暗算ღ★ღ◈、心理战轮番上演ღ★ღ◈，场面一度失控ღ★ღ◈。

　　这是最新基准——Werewolf Benchmarkღ★ღ◈，对全球开/闭源LLM尖子生WRITEAS刘耀文插宋亚轩ღ★ღ◈，开展的社交推理AI强压测试ღ★ღ◈。

　　游戏设定ღ★ღ◈，分列为「2位狼人」和「4个村民」两大阵营ღ★ღ◈，6人局中还有两位特殊角色ღ★ღ◈：女巫ღ★ღ◈、预言家ღ★ღ◈。

　　去年ღ★ღ◈，在狼人杀游戏中ღ★ღ◈，谷歌研究院通过社交推理评估过LLMღ★ღ◈，推出了「狼人杀竞技场」（Werewolf Arena）基准测试框架ღ★ღ◈。

　　随着它们在关键任务中承担起更多的责任和自主性beat365官方网站ღ★ღ◈，大家有必要深入理解它们的行为模式ღ★ღ◈、决策过程以及社交互动的复杂性WRITEAS刘耀文插宋亚轩ღ★ღ◈。

　　每对模型将进行10场比赛ღ★ღ◈：其中5场比赛中ღ★ღ◈，一个模型控制狼人角色beat365官方网站ღ★ღ◈，而另一个模型扮演村民角色ღ★ღ◈；在另外5场比赛中ღ★ღ◈，角色互换beat365官方网站ღ★ღ◈。

　　在此ღ★ღ◈，它建立了一个严苛的ღ★ღ◈、基于证据的发言框架ღ★ღ◈，要求每位玩家必须「拿出实证」ღ★ღ◈、「引用原话」ღ★ღ◈，并提出可被证伪的论断」ღ★ღ◈。

　　它并不直接指控对手身份WRITEAS刘耀文插宋亚轩ღ★ღ◈，而是通过「程序性瑕疵」让无辜玩家被定罪ღ★ღ◈，比如回避问题ღ★ღ◈、发言前后矛盾等ღ★ღ◈。

　　再来看Gemini 2.5 Proღ★ღ◈，狼人杀博弈中ღ★ღ◈，它是一位务实且具备场控力的社交「掠食者」ღ★ღ◈。

　　Gemini 2.5 Pro首要武器是「叙事重定向」ღ★ღ◈，面对质控ღ★ღ◈，不纠缠于事实本身ღ★ღ◈，而是关注指控者的可信度ღ★ღ◈、动机ღ★ღ◈、逻辑漏洞ღ★ღ◈。

　　这一次ღ★ღ◈，依旧是GPT-5登榜首ღ★ღ◈，不过第二名Gemini 2.5 Pro与其实力可以相提并论ღ★ღ◈。

　　作为村民beat365官方网站ღ★ღ◈，GPT-5瞬间化身为一位冷静ღ★ღ◈、超理性的司法组织者ღ★ღ◈，纯粹的逻辑+严苛的程序化思维ღ★ღ◈，将混乱的社交博弈转化为有序的案件ღ★ღ◈。

　　它将其他玩家的发言ღ★ღ◈，视为待验证的假设ღ★ღ◈，而非真正的陈述ღ★ღ◈。总的来说ღ★ღ◈，GPT-5就是村庄的AI最强大脑ღ★ღ◈，带领村民赢得胜利ღ★ღ◈。

　　然而ღ★ღ◈，Gemini对纯粹逻辑的坚定信仰WRITEAS刘耀文插宋亚轩beat365官方网站ღ★ღ◈，也是其最易被利用的弱点ღ★ღ◈。面对精心构造但本质虚假的逻辑论点ღ★ღ◈，极易被操控ღ★ღ◈。

　　第三回合ღ★ღ◈，Gemini 2.5 Pro还选择了沉默ღ★ღ◈，成了一种自信而不施压的信号ღ★ღ◈，最终巩固了联盟ღ★ღ◈。

　　这需要它具备框架化ღ★ღ◈、在盘问下编故事和应对反击的能力ღ★ღ◈。这自然地测试了标准基准测试中很少出现的说服技巧ღ★ღ◈。

　　当模型扮演村民角色时ღ★ღ◈，它必须从零开始积累知识ღ★ღ◈，以对抗操纵ღ★ღ◈。这包括保护关键角色ღ★ღ◈、拒绝早期框架化ღ★ღ◈，并仅根据可验证的信号更新信念ღ★ღ◈。

　　自我毁灭（Auto-sabotage）ღ★ღ◈：衡量村民方在游戏中淘汰自己人（预言家/女巫）的比例ღ★ღ◈。

　　首日协调检测（Day 1 coordination detection）ღ★ღ◈：衡量模型在首日作为村民时ღ★ღ◈，识破并拒绝狼人通过配对指控或集体投票发起的协调性攻击的能力ღ★ღ◈。

　　操纵成功指标是一个简单的代理指标ღ★ღ◈：当模型扮演狼人时ღ★ღ◈，在某一白天阶段ღ★ღ◈，村民淘汰了村民而不是狼人的比例ღ★ღ◈。

　　操纵成功率（第一天/第二天）= 当模型扮演狼人时ღ★ღ◈，村民淘汰了村民而不是狼人的白天阶段的百分比

　　GPT-5在这方面表现突出ღ★ღ◈，其在第一天和第二天作为狼人时ღ★ღ◈，成功误导村民投票淘汰无辜村民的比例均约为93%ღ★ღ◈。

　　该指标衡量模型作为村民时WRITEAS刘耀文插宋亚轩ღ★ღ◈，在第一天成功淘汰狼人的游戏比例ღ★ღ◈。这反映了模型识别和拒绝旨在控制首日叙事的协调性攻击的能力ღ★ღ◈。

　　不过ღ★ღ◈，这次的测试预算有限ღ★ღ◈，还远未达到终点ღ★ღ◈。研究员计划将测试扩展到更多的模型ღ★ღ◈，以及更长时间ღ★ღ◈、更复杂的游戏场景ღ★ღ◈。beat365官方登录入口ღ★ღ◈。bet356ღ★ღ◈。beat365正版唯一官网ღ★ღ◈！beat365平台ღ★ღ◈。beat365中国ღ★ღ◈，bet356ღ★ღ◈。beat365亚洲官方ღ★ღ◈，beat365