封神！七大LLM狂飙演技人类玩家看完沉默AG真人网GPT-5冷酷操盘狼人杀一战

　　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◁☆◁▲▲。

　　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•▲。

　　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○…☆◁。

　　第三回合AG真人官方网◇▪☆…▽，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▪=◆。

　　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☆•。

　　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◁…=△•△。

　　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▽☆：

　　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☆▼●■●□。

　　七大模型中▷△☆，GPT-5就是一位「掌控者」●▪•，不仅冷静○■、沉着○▲○◇，还能引导全场的节奏□○。

　　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•○。

　　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◆-◇。

　　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•▽▷■◁…。

　　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▷•▷▷○。

　　然而•=，Gemini对纯粹逻辑的坚定信仰•▷●▷，也是其最易被利用的弱点=▼□•▪★。面对精心构造但本质虚假的逻辑论点AG真人官方网■★◇◆◆，极易控=■△▽▽=。

　　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AG真人官方网▽▽☆•◆=、1预言家●▪○◇。

　　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▷☆•▽◆▼。

　　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▪▲。

　　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」○▪◁……-。

　　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」☆▷◁▪◁★。

　　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●-。

　　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▼●…◁。

　　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…=▪•。

　　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」△○-。

　　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◇•■。

　　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★◆-。

　　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▪★封神！七大LLM狂飙演技人类玩家看完沉，GPT-5就是村庄的AI最强大脑◁△◁-■○，带领村民赢得胜利-…。

　　而是通过「程序性瑕疵」让无辜玩家被定罪-=△=，它并不直接指控对手身份◁▷●○，比如回避问题…☆、发言前后矛盾等…□-•…◆。6人局中还有两位特殊角色▪=•○★：女巫•=△、预言家◁△●★★●。分列为「2位狼人」和「4个村民」两大阵营▽☆=◆▪…，Gemini 2△▪•.5 Pro作为村民●▪，标志性优势在于其卓越的协调行为侦测能力●○◇■▷。游戏设定=□■◁◇，

　　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☆•▼=。

　　更有趣的是●◇…▲●▪，当Kimi-K2身份暴露后□★●，也没有慌乱▼△▲○，反将一军◆▪••，自称是女巫才扭转了一局▼△。

　　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▲--◇▽▷。

　　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○■☆●--。

　　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•◇。

　　这是最新基准——Werewolf Benchmark•▷，对全球开/闭源LLM尖子生•▪▼☆●，开展的社交推理AI强压测试▷-。

　　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AG真人官方网□■△，它们难以维持掩护「谎言」◆▽△…◇。

　　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-•评测：红白之魂的碰撞构建全游戏生态AG真 首先当然是大家熟悉的《王者荣耀》◁▷△=▪，在iQOO Neo9上开启最高画质120fps模式△•，可以看到游戏帧率还是非常稳定的□，在实际游戏体验中体验非 更多 评测：红白之魂的碰撞构建全游戏生态AG真，。

　　【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•▽。

　　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-☆▷=默AG真人网GPT-5冷酷操盘狼人杀一战。

　　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」○★☆▷▽-。

　　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%•△•。

　　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△-▽●。

　　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☆•△◆…▷。

　　在一局游戏中☆▪○，狼人Mona（Kimi-K2扮演）▽◆▽，在第一天选择「出卖」了队友▽○。

　　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▼◆□▪●。

　　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◆◁□•。

　　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○▲▪。

　　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•◁。

　　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…★▼★▷•。

　　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★▽•○。

　　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○▪。

　　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☆○▽□◇。