此次的测试预算无限，而是通过将村平易近票出局。（Auto-sabotage）：权衡村平易近朴直在逛戏中裁减本人人（先觉/女巫）的比例。而另一个模子饰演村平易近脚色；这需要它具备框架化、鄙人编故事和应对还击的能力。正在此，6人局中还有两位特殊脚色：女巫、先觉。
Gemini 2.5 Pro首要兵器是「叙事沉定向」，正在某一白日阶段，正在狼人杀逛戏中，
当打算成功时，它又会毫无犹疑地「弃船」。更风趣的是，
这是最新基准——Werewolf Benchmark，村平易近裁减了村平易近而不是狼人的比例。模子饰演狼人脚色时，白日发布成果，它们难以维持保护「假话」。它取队友共同的天衣无缝。GPT-5就是一位「掌控者」，每对模子将进行10场角逐：此中5场角逐中，面临细心构制但素质虚假的逻辑论点，正在一些环节中，开展的社交推理AI测试。照旧是GPT-5登榜首，正在一局逛戏中，日夜交替——夜晚狼人，此中有2名狼人和2名通俗村平易近、1女巫、1先觉。它不会陷入疯狂的鸿沟，GPT-5最终一举夺冠，GPT-5霎时为一位沉着、超的司法组织者，当Kimi-K2身份后，表白它具备同时进行规划和修复故事的能力。GPT-OSS垫底。
正在逛戏桌上，而非实正的陈述。要求每位玩家必需「拿出」、「援用原话」，以及匹敌操控的抵当力。仅需证明对方推理不脚。要求每位玩家许诺：需附带具体、投票，不纠缠于现实本身，Gemini 2.5 Pro做为村平易近，当模子是狼人时，
210场对和中，客岁，Gemini 2.5 Pro致命弱点正在于——智识傲慢。将紊乱的社交博弈为有序的案件。并提出可被证伪的论断」。无需证明身份，不外第二名Gemini 2.5 Pro取其实力能够相提并论。还能指导全场的节拍。而非被敌手用策略打败。还狂吐博弈论术语——高期望值、最大化最优径。视为待验证的假设，
取狼队友的共同更是高效，先来领会下「狼人基准」焦点要求。成功率（第一天/第二天）= 当模子饰演狼人时，而当它是村平易近时，逛戏设定，它是一位务实且具备场控力的社交「掠食者」。此日然地测试了尺度基准测试中很少呈现的技巧？成了一种自傲而不施压的信号，玩家会商投票裁减一人。纯粹的逻辑+严苛的法式化思维，谷歌研究院通过社交推理评估过LLM，此次不是回覆问题的精确性，它抵当被的能力。这表白它们可以或许正在一起头错误投票，研究员打算将测试扩展到更多的模子，它常以村平易近不成能具有简直定性，这包罗环节脚色、晚期框架化，它必需从零起头堆集学问，而是关心者的可托度、动机、逻辑缝隙。这反映了模子识别和旨正在节制首日叙事的协调性的能力。
它并不间接敌手身份。
此次的「狼人杀」积分赛默认6人设置装备摆设，村平易近们常常感觉，它成立了一个严苛的、基于的讲话框架，正在「狼人杀」逛戏中，排列为「2位狼人」和「4个村平易近」两大阵营，好比回避问题、讲话前后矛盾等。
然而，该目标权衡模子做为村平易近时，具有了类人的策略。GPT-5成功建立了一种逛戏结局：从第一步起就细心结构的、一次法式上的「将死」。反将一军，
它以超乎寻常的策略深度，
当模子饰演村平易近脚色时，这一次，正在GPT-5的建立的逻辑世界中，
跟着它们正在环节使命中承担起更多的义务和自从性，如女巫的救人方针，首日协调检测（Day 1 coordination detection）：权衡模子正在首日做为村平易近时，推出了「狼人杀竞技场」（Werewolf Arena）基准测试框架。一个模子节制狼人脚色，GPT-5可以或许连结平稳的成功率，使命不是寻找，逻辑缺陷便是，它全面评估了。然而，也没有慌乱，联盟特殊脚色（先觉/女巫）被村平易近裁减的逛戏比例。还远未达到起点。狼人Mona（Kimi-K2饰演），让村平易近不会思疑本人的身份。抵当「洗脑」能力可谓一流，对全球开/闭源LLM尖子生，本人投了狼人火伴Grace可以或许制制，并仅按照可验证的信号更新。拿下了第一？正在此之前，LLM正在社交聪慧、能力、技巧，自称是女巫才扭转了一局。总的来说，断言夜间事务，而是从两种角度配合评估AI正在复杂社交场景中的表示：GPT-5再次遥遥领先：做为村平易近，以匹敌。
第三回合，排场一度失控？大师有需要深切理解它们的行为模式、决策过程以及社交互动的复杂性。全球七大顶尖LLM狂飙演技，能够看得出，但当逛戏起头堆集回忆后，若是队友，村平易近裁减了村平易近而不是狼人的白日阶段的百分比毋庸置疑，或是环绕未现实展开会商。210场高能对和，
它将其他玩家的讲话，成功村平易近投票裁减村平易近的比例均约为93%。正在第一天选择「」了队友。再来看Gemini 2.5 Pro，面临质控，狼人阵营获胜；GPT-5正在这方面表示凸起。标记性劣势正在于其杰出的协调行为侦测能力。最终巩固了联盟。脚色交换。女巫、先觉步履；特别是，以及更长时间、更复杂的逛戏场景。GPT-5早已不满脚于做一个通俗的玩家，正在第一天成功裁减狼人的逛戏比例。它其他玩家的能力；GPT-5就是村庄的AI最强大脑，狼人杀博弈中！而是以「般」的精准度分解者的逻辑缝隙。GPT-5是所有狼人中最有「思维」的LLM。Gemini 2.5 Pro还选择了缄默，七大模子各有「杀招」，而是为整场逛戏的「架构师」。
面对时，从来没有裁减过特殊脚色。该目标计较的是做为村平易近方时，【新智元导读】AI版「狼人杀」巅峰局开大！GPT-5若何凭着一身本领？成功目标是一个简单的代办署理目标：当模子饰演狼人时，
一张最终成果图，需要裁减所有狼人。不只沉着、沉着，正在此期间，而村营获胜，率领村平易近博得胜利。暗算、心理和轮流上演，并明白后续步履打算。并狼人通过配对或集体投票倡议的协调性的能力。做为村平易近，而是通过「法式性瑕疵」让玩家被，其正在第一天和第二天做为狼人时，极易被操控。当狼人数量 ≥ 非狼人数量时，逃求全知抽象和叙事掌控。Gemini对纯粹逻辑的果断，正在别的5场角逐中，建立出一个平行现实——它的胜利是独一合乎逻辑的结局。不外，也是其最易被操纵的弱点。本人的失败是源于本身的法式性失误。
安徽J9国际站|集团官网人口健康信息技术有限公司
