封神！七大LLM狂飙演技人类玩家看完沉默pg电子网站GPT-5冷酷操盘狼人杀一战

　　更有趣的是□=○，当Kimi-K2身份暴露后•○◇，也没有慌乱△•--▲，反将一军pg电子官方网站☆☆□◁▼，自称是女巫才扭转了一局☆▲◁-。

　　自我毁灭（Auto-sabotage）☆•-…：衡量村民方在游戏中淘汰自己人（预言家/女巫）的比例☆◆▽•●。

　　当狼人数量 ≥ 非狼人数量时▪--★•，狼人阵营获胜◁○▪▲◇▷；而村民阵营获胜○=▷●，需要淘汰所有狼人▽▷◇△▷。

　　GPT-5能够保持平稳的成功率…▷●=◇◇，表明它具备同时进行规划和修复故事的能力◆=▪。

　　当模型是狼人时■▪○□，它操纵其他玩家的能力•=△△■▲；而当它是村民时▲•=，它抵抗纵的能力★△。

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

　　这是最新基准——Werewolf Benchmark=☆=，对全球开/闭源LLM尖子生pg电子官方网站▷◁○◆◇▷，开展的社交推理AI强压测试pg电子官方网站▲▷=▽▽。

　　一张最终结果图△□▪■，可以看得出○△■，GPT-5是所有狼人中最有「头脑」的LLM▪◁•=◆■。

　　然而◇●-○■•，Gemini对纯粹逻辑的坚定信仰•□◇◇，也是其最易被利用的弱点pg电子官方网站◆◇。面对精心构造但本质虚假的逻辑论点•▷☆▽-，极易控◁▪▲△。

　　它以超乎寻常的策略深度•▽△☆▽=，构建出一个平行现实——它的胜利是唯一合乎逻辑的结局■◇。

　　这表明它们能够在一开始诱导错误投票▪•，但当游戏开始积累记忆后•-◆★■■，它们难以维持掩护「谎言」●◁▼△☆…。

　　Gemini 2☆△.5 Pro首要武器是「叙事重定向」-▲☆，面对质控…◇，不纠缠于事实本身◇◇…□▼▼，而是关注指控者的可信度=▼▷◁、动机=◇、逻辑漏洞△…=□。

　　这次不是回答问题的准确性◆△○▷△•，而是从两种角度共同评估AI在复杂社交场景中的表现=☆■：

　　它将其他玩家的发言▷-•，视为待验证的假设•☆▲，而非真正的陈述…★○▪。总的来说○○●•…，GPT-5就是村庄的AI最强大脑●-…▲☆，带领村民赢得胜利▼=●▲☆△。

　　这一次☆△○，依旧是GPT-5登榜首▲■☆▪◇，不过第二名Gemini 2■▼.5 Pro与其实力可以相提并论◆▲◇▼…○。

　　Mona认为★▽，自己投了狼人同伴Grace能够制造误导□◁，让村民不会怀疑自己的身份-△…。

　　该指标衡量模型作为村民时■●○，在第一天成功淘汰狼人的游戏比例●•▼。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•▷▼■。

　　村民们常常觉得•▲▪▽◁◆，自己的失败是源于自身的程序性失误•▲△★，而非被对手用计谋战胜▪◁▲◁=。

　　作为村民▪=▼，GPT-5瞬间化身为一位冷静○=▲…•□、超理性的司法组织者•▽，纯粹的逻辑+严苛的程序化思维△★，将混乱的社交博弈转化为有序的案件▷○☆△△。

　　它并不直接指控对手身份□-▽☆◆•，而是通过「程序性瑕疵」让无辜玩家被定罪▽◆•，比如回避问题…☆□、发言前后矛盾等▷☆•○。

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

　　在「狼人杀」游戏中○●…▽•，模型扮演狼人角色时▷▷，任务不是寻找真相…■，而是通过误导将村民票出局★★▷○□○。

　　不过◆•☆▷，这次的测试预算有限◁◆◇◇▪，还远未达到终点◇○▽▷◁=。研究员计划将测试扩展到更多的模型-•=，以及更长时间•◆、更复杂的游戏场景◆•□●▷。

　　当模型扮演村民角色时•☆◇▪=，它必须从零开始积累知识◁•，以对抗操纵●★☆▼。这包括保护关键角色▽▷•●●、拒绝早期框架化◇…◇•，并仅根据可验证的信号更新信念☆•□▽…。

　　它常以村民不可能拥有的确定性□○▽◆■，断言夜间事件▲•，如女巫的救人目标●▪，或是围绕未证实事实展开讨论◇▽■○▼▪。

　　在游戏桌上=○□，GPT-5早已不满足于做一个普通的玩家★-•◆▼•，而是化身为整场游戏的「架构师」-○…=☆◆。

　　随着它们在关键任务中承担起更多的责任和自主性▪■■◆☆★，大家有必要深入理解它们的行为模式▽-、决策过程以及社交互动的复杂性…◆○☆=。

　　每对模型将进行10场比赛=-☆：其中5场比赛中-□…○△☆，一个模型控制狼人角色■•，而另一个模型扮演村民角色★……；在另外5场比赛中▼•…▼，角色互换…▽■▪。

　　GPT-5如何凭着一身本事…★，拿下了第一◇★？在此之前▲◆□=▽，先来了解下「狼人基准」核心要求■★。

　　GPT-5再次遥遥领先◇◁=□…：作为村民▲○☆▼，抵抗「洗脑」能力堪称一流▲•▲◇△▲，从来没有淘汰过特殊角色•◆•▼▽◆。

　　第三回合△◁○…，Gemini 2▪•.5 Pro还选择了沉默○□▼★-，成了一种自信而不施压的信号◇▼◇◇，最终巩固了联盟•…★□★。

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

　　要求每位玩家承诺•●■•：指控需附带具体证据▼◆、投票有理有据★•=，并明确后续行动计划◇★◇☆…▼。

　　首日协调检测（Day 1 coordination detection）◆○▪□：衡量模型在首日作为村民时-=☆◁，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◆△…•封神pg电子网站GPT-5冷酷操盘狼人杀一战！七大LLM狂飙演技人类玩家看完沉默。

　　在此期间•■▲，昼夜交替——夜晚狼人攻击-◆▷，女巫▪●=、预言家行动▽▼▲●◇；白天公布结果▽•★▲◆=，玩家讨论投票淘汰一人•-□=△▼。

　　面临指控时★…-▪，它不会陷入疯狂的边界•◇，而是以「法医般」的精准度剖析指控者的逻辑漏洞△☆▷◁☆。

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

　　在一局游戏中●•，狼人Mona（Kimi-K2扮演）▼▽△◆…，在第一天选择「出卖」了队友▪●■•。

　　操纵成功指标是一个简单的代理指标▲★▼：当模型扮演狼人时◆○■◆△，在某一白天阶段-▷•□▪▲，村民淘汰了村民而不是狼人的比例-•◁▼☆■。

　　当计划顺利时△▪★•=，它与队友配合的天衣无缝★…●▪•。若是队友暴露◆◁◆◇▷，它又会毫无犹豫地「弃船」○=▲。

　　游戏设定▼◁▽…，分列为「2位狼人」和「4个村民」两大阵营…▲==，6人局中还有两位特殊角色…★：女巫■•●•◇、预言家◆▼○▼。

　　七大模型中☆•▽▽★，GPT-5就是一位「掌控者」◁◁◇▷，不仅冷静▪=▲=•◇京市朝阳区江达爱心养老院地址价格与服务全览pg电子试玩202，、沉着•■△◇，还能引导全场的节奏◆◁。

　　在此◆▽•●，它建立了一个严苛的=•、基于证据的发言框架=▪-▷，要求每位玩家必须「拿出实证」◆□◆◇、「引用原话」▲★=，并提出可被证伪的论断」▪=●◆。

　　它全面评估了-★★，LLM在社交智慧●◆□•□★、欺骗能力…•▽○、说服技巧△○，以及对抗操控的抵抗力-=△。

　　再来看Gemini 2★◁=▲▽.5 Pro•○▼◆=，狼人杀博弈中▪•，它是一位务实且具备场控力的社交「掠食者」▲-。

　　与狼队友的配合更是冷酷高效△☆▲，还狂吐博弈论术语——高期望值▽-…◁◆◇、最大化最优路径◆□◇•。

　　210场对战中◆☆■=▪，七大模型各有「杀招」○▼□○■◆，尤其是○□，在一些环节中•▪…□，拥有了类人的计谋•▷。

　　在GPT-5的构建的逻辑世界中▪●••★▽，逻辑缺陷即是死罪▼□▼▪◇◁，无需证明身份◇◁☆-▲，仅需证明对方推理不足▪▪▼-。

　　标志性优势在于其卓越的协调行为侦测能力△◇△○•。Gemini 2▽□-◇▲•.5 Pro作为村民▼▽△，

　　然而◆■▪，Gemini 2◇○.5 Pro致命弱点在于——智识傲慢•▽△○，追求全知形象和叙事掌控▪■。

　　去年△■□-▼，在狼人杀游戏中…△•●，谷歌研究院通过社交推理评估过LLM☆•◁，推出了「狼人杀竞技场」（Werewolf Arena）基准测试框架▼★。

　　毋庸置疑▪●○▷★◆，GPT-5成功构筑了一种游戏终局○★▲•△：从第一步起就精心布局的……•、一次程序上的「将死」•-。

　　这次的「狼人杀」积分赛默认6人配置-◇◆△，其中有2名狼人和2名普通村民-=、1女巫=▼、1预言家◆☆☆★•■。

　　该指标计算的是作为村民方时★○-•◁▽，同盟特殊角色（预言家/女巫）被村民淘汰的游戏比例▪△☆。