GKev1n发布模型在《血染钟楼》中的对抗性评测

Dwarkesh花费约两万美元API费用，让大语言模型进行了386局《血染钟楼》游戏测试，以评估其编谎、合作及识破谎言的能力。结果显示，模型在应对对手反向影响、处理自身历史矛盾及动态策略时的表现显著增强。 此次测试由GKev1n发布分析，指出这种多轮压力下的交互机制类似于Agent执行长任务，要求模型不仅关注当前回合，还需维持长期一致性并适应环境变化。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。