English(EN) Do LLMs Trust the Accuser or the Accusation? Measuring Belief Shifts in Werewolf

大型语言模型在社交推理游戏中难以平衡信任与指控

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-14 04:00

研究人员开发了一个新的基准，用于评估大型语言模型（LLMs）在“狼人杀”等社交推理游戏中的表现，重点关注它们的信念如何根据指控而转变。研究发现，虽然较大的LLMs能更好地区分狼人和村民，但它们仍然深受指控的影响，特别是当指控来自可信来源时，即使该来源是狼人。研究结果表明，当前开放权重LLMs在战略沟通中难以平衡来源信任与指控内容。 AI

影响这项研究突显了LLM推理和信任评估方面的局限性，指出了在处理细微的社交互动和信息整合能力方面的改进方向。

排序理由学术论文，详细介绍了一个用于LLM评估的新基准。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 23 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了一个用于LLM评估的新基准。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Yu-Yu Yang, Ti-Rong Wu, Hung Guei, Hsing-Yu Chen, I-Chen Wu · 2026-09-14 04:00

大型语言模型信任指控者还是指控本身？衡量狼人游戏中的信念转变

arXiv:2609.12446v1 Announce Type: cross Abstract: Social-deduction games such as Werewolf are increasingly used to evaluate LLM agents, but existing evaluations often rely on final game outcomes. We propose a belief-shift evaluation benchmark in Werewolf for analyzing communicati…

本文如何被排名

报道来源 [1]

大型语言模型信任指控者还是指控本身？衡量狼人游戏中的信念转变

相关实体

相关话题