LLM 信指控者还是指控内容：狼人杀中的信念偏移
原文标题：Do LLMs Trust the Accuser or the Accusation? Measuring Belief Shifts in Werewolf
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。
论文提出狼人杀信念偏移评测基准，通过标注怀疑与指控消息，测量观察方村民模型在每条消息后的信念变化。在 1224 条标注消息上评估 40 种开源权重 LLM 配置，发现更大模型更能依据游戏历史区分狼人与村民，但指控仍强烈影响其信念：模型对被指控者更怀疑、对指控者更少怀疑，即便指控者是狼。至 120B 参数的开源模型仍难以整合指控内容与来源可信度。
- 问题
- 现有LLM社交推理评测只看最终胜负，无法衡量其信念如何随对话更新。
- 方法
- 构建狼人杀信念偏移基准，标注怀疑与指控消息，测量村民模型逐条消息后的信念变化。
- 结果
- 在1224条标注消息上评测40种开源权重配置，120B模型仍难以整合指控内容与来源可信度。
- 影响
- 做多智能体或社交推理产品时，不能假设大模型能正确权衡信息内容与信息源可信度。
机构：Academia Sinica
深读 · 结论先行AI 生成展开看要点与影响 ↓
40种开源LLM在狼人杀中仍被指控带偏，120B模型也难兼顾内容与来源可信度
- •构建狼人杀信念偏移基准，标注怀疑与指控消息，逐条测量观察方村民模型的信念变化
- •在1224条标注消息上评估40种开源权重LLM配置
- •更大模型更能依据游戏历史区分狼人与村民
- •但模型普遍对被指控者更怀疑、对指控者更少怀疑，即便指控者属狼阵营
- •模型对已不信任的指控者更有抵抗力；整体上至120B仍难整合指控内容与来源可信度
为什么重要：多智能体与社交推理场景中，LLM对“谁说的”比“说了什么”更敏感，这对用LLM做信息评估、辩论或风控的部署是直接的可信度警示。
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。