AVCORP：用心智理论与传播理论训练 LLM 识别欺骗
原文标题：AVCORP: Identifying and Resisting Deception via Communication Theory and Theory of Mind
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者构建 AVCORP 语料，含 250 局 Avalon 游戏中的 5,000 条标注话语，覆盖 37 种策略与嵌套心智理论推理轨迹。基于 Qwen3-8B 训练的欺骗检测器在留出局上超过未训练基线及 GPT-5.6 Sol、Gemini 3.1 Pro、DeepSeek-V4-Pro，与 Claude Opus 5.5 持平，在人类对局中 F1 全面领先。
- 问题
- LLM 智能体易被用户或其他智能体欺骗，缺乏带心智理论推理的检测训练数据。
- 方法
- 构建 AVCORP 语料，含 Avalon 对局中 5000 条标注话语、37 种策略与嵌套心智理论推理轨迹，微调 Qwen3-8B。
- 结果
- 留出局上超过未训练基线及 GPT-5.6 Sol、Gemini 3.1 Pro、DeepSeek-V4-Pro，与 Claude Opus 5.5 持平；人类对局中 F1 全面领先。
- 影响
- 小模型经专用语料训练即可在欺骗检测上追平前沿模型，为多智能体安全提供低成本路径。
深读 · 结论先行AI 生成展开看要点与影响 ↓
基于 Qwen3-8B 在 AVCORP 上训练的欺骗检测器，留出局上追平 Claude Opus 5.5。
- •AVCORP 含 250 局 Avalon 的 5,000 条标注话语，覆盖 37 种策略与 4x4 行为矩阵。
- •语料包含溯因假设、怀疑度与嵌套心智理论信念的推理轨迹。
- •留出局上超过未训练基线及 GPT-5.6 Sol、Gemini 3.1 Pro、DeepSeek-V4-Pro，与 Claude Opus 5.5 持平。
- •在 20 局人类对局中，所有训练后检测器各轮 F1 均超过未训练模型。
为什么重要：说明小模型加高质量心智理论语料可在欺骗检测上追平前沿模型，对多智能体环境中的防欺骗有直接意义。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。