设定游戏，「4个村民」两大阵营陈列为「2位狼人」和，殊脚色：女巫、先觉6人局中尚有两位特。
代劳目标：当模子饰演狼人时操作凯旋目标是一个容易的，白昼阶段正在某一，而不是狼人的比例村民减少了村民。
竞赛：此中5场竞赛中每对模子将实行10场，造狼人脚色一个模子控，饰演村民脚色而另一个模子；场竞赛中正在别的5，相易脚色。
指控敌手身份它并不直接，疵」让无辜玩家被入罪而是通过「秩序性瑕，谈话前后冲突等好比回避题目、。
村民脚色时当模子饰演，起初积蓄常识它必需从零，抗操作以对。色、拒绝早期框架化这蕴涵包庇症结角亚星会员平台的信号更新信仰并仅遵循可验证。
这方面体现特别GPT-5正在，二天行为狼人时其正在第一天和第，辜村民的比例均约为93%凯旋误导村民投票减少无。
型行为村民时该目标权衡模，汰狼人的游戏比例正在第一天凯旋淘GPT-5冷酷操盘狼人杀一战封神！。造首日叙事的调解性攻击的才具这反应了模子识别和拒绝旨正在控。
问下编故事和应对反攻的才具这须要它具备框架化、正在盘。测试中很少显示的说服手法这天然地测试了法式基准。
村民刚正在游戏中减少本身人（先觉/女巫）的比例自我销毁（Auto-sabotage）：权衡。
天）= 当模子饰演狼人时操作凯旋率（第一天/第二亚星会员注册狼人的白昼阶段的百分村民减少了村民而不是比
过不，试预算有限此次的测，到达尽头还远未。扩展到更多的模子考虑员铺排将测试，更丰富的游戏场景以及更长光阴、。
olf Benchmark这是最新基准——Werew，源LLM尖子生对环球开/闭亚星会员注册理AI强压测试发展的社交推。
「狼人杀」巅峰局开大【新智元导读】AI版！LLM狂飙演技环球七大顶尖，高能对战210场，最终一举夺冠GPT-5，OSS垫底GPT-。战轮替上演暗杀、心思，度失控体面一。
村民行为，从容、超理性的公法结构者GPT-5霎时化身为一位，苛的秩序化思想纯粹的逻辑+厉，转化为有序的案件将零乱的社交博弈。
一次这，T-5登榜首仿照是GP，5 Pro与其气力能够相提并论只是第二名Gemini 2.。
i 2.5 Pro再来看Gemin，博弈中狼人杀，控力的社交「掠食者」它是一位求实且具备场。
回合第三， Pro还拣选了冷静Gemini 2.5，而不施压的信号成了一种自尊，固了同盟最终巩。
玩家的谈话它将其他，证的假设视为待验，正的陈述而非真。来说总的七大LLM狂飙演技人类玩家看完沉默，庄的AI最强盛脑GPT-5便是村，取得告捷指导村民。
担起更多的负担和自帮性跟着它们正在症结职业中承，式、计划历程以及社交互动的丰富性大多有须要深切解析它们的举止模。
o首要军械是「叙事重定向」Gemini 2.5 Pr，质控面临，结果自己不纠葛于，信度、动机、逻辑破绽而是眷注指控者的可。
n detection）：权衡模子正在首日行为村民时首日调解检测（Day 1 coordinatio，整体投票首倡的调解性攻击的才具识破并拒绝狼人通过配对指控或。
此正在，、基于证据的谈话框架它创办了一个厉苛的，出实证」、「援用原话」哀求每位玩家必需「拿，证伪的论断」并提出可被。
而然，粹逻辑的刚强决心Gemini对纯，被使用的弱点也是其最易。质子虚的逻辑论点面临用心构造但本，被操控极易亚星会员平台
年去，杀游戏中正在狼人，交推理评估过LLM谷歌考虑院通过社，wolf Arena）基准测试框架推出了「狼人杀竞技场」（Were。
推荐文章
