发布重复捉迷藏基准诊断LLM对手建模与信念追踪
热点事件观察中
发布重复捉迷藏基准诊断LLM对手建模与信念追踪
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Hanbo Xie、Yue Zhao 和 Robert C. Wilson 在 arXiv 论文（2610.17310）中提出针对算法对手的重复捉迷藏基准与诊断框架，通过实时交互、固定历史评估和信息干预，区分大语言模型是在适应对局、预测动作，还是真正追踪对手信念。对手方的真值信念和动作概率由基准显式定义，使三类能力可分离评估。 实验结果显示：告知 Qwen2.5-7B-Instruct 或 GPT-5.4 对手的类型与参数设置时预测会改善，但需从历史自行推断对手时预测准确性下降；结构化 elicitation 和行为监督微调可改善部分场景的对局表现。而更深度的显式信念报告和自生成记忆未能稳定改善基于历史的表现，对手预测和信念跟踪能力整体仍有限。
AI 根据报道生成 · 1 天前更新
最新进展10月14日 12:00
大语言模型对手建模诊断：超越成功对局报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv · cs.AI大语言模型对手建模诊断：超越成功对局
研究者提出重复躲猫猫基准与诊断框架，用实时交互、固定历史评估和信息干预区分语言模型是在适应对局、预测动作，还是跟踪对手信念。实验显示，结构化 elicitation 和行为监督微调可改善部分场景的对局表现，但对手预测和信念跟踪仍有限；向 Qwen2.5-7B-Instruct 或 GPT-5.4 提供正确对手信念会改善预测与选择，而更深度的显式信念报告和自生成记忆未能稳定改善基于历史的表现。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 810月14日 18:00
- 近 24 小时变化
- -49%
02.557.510
18:0010月15日06:0012:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。