LLMs玩狼人杀：清华大学验证大模型参与复杂交流博弈游戏的能力

AIGC动态欢迎阅读

原标题：LLMs玩狼人杀：清华大学验证大模型参与复杂交流博弈游戏的能力
关键字：经验,模型,游戏,语言,解读
文章来源：大数据文摘
内容字数：8146字

内容摘要：

大数据文摘授权转载自hyperAI超神经
作者：彬彬
编辑：李宝珠、三羊
清华大学研究团队提出了一种用于交流游戏的框架，展示了大语言模型从经验中学习的能力，还发现大语言模型具有非预编程的策略行为，如信任、对抗、伪装和领导力。近年来，用 AI 玩狼人杀和扑克等游戏的研究引起广泛关注。面对严重依赖自然语言交流的复杂博弈游戏，AI Agent 必须从模糊的自然语言话语中收集和推断信息，这具有更大的实际价值和挑战。而随着 GPT 这样的大语言模型取得重大进展，其对复杂语言的理解、生成和推理能力不断提升，表现出一定程度的模拟人类行为的潜力。
基于此，清华大学研究团队提出了一种用于交流游戏的框架，可以在没有人工标注数据的情况下与冻结的大语言模型一起玩狼人杀游戏。框架展示了大语言模型自主从经验中学习的能力。有趣的是，研究人员在游戏中还发现大语言模型具有非预编程的策略行为，如信任、对抗、伪装和领导，这可以作为大语言模型玩交流游戏进一步研究的催化剂。获取论文：
https://arxiv.org/pdf/2309.04658.pdf
模型框架：实现与大语言模型一起玩狼人杀众所周知，狼人杀游戏的一个重要特

原文链接：LLMs玩狼人杀：清华大学验证大模型参与复杂交流博弈游戏的能力

联系作者

文章来源：大数据文摘
作者微信：BigDataDigest
作者简介：普及数据思维，传播数据文化