YC新项目Social Arena发布，专测大模型欺骗行为

YC S26 批次新创项目 olamlabs 推出了 Social Arena 评测平台及首个基准测试 Deception Index。该平台打破了常规的聊天式评测，让人类与 AI agent 在《Risk》、《Catan》和德扑等经典社会博弈游戏中进行对抗。其核心机制是通过这些接近真实互动的场景，专门测试并量化大模型在复杂博弈中的欺骗等行为倾向。

2026-07-21 ~ 2026-07-21 · 3 条相关

• YC S26 新项目发布 Social Arena，专测大模型欺骗行为 — ycombinator · 2026-07-21
• Social Arena 用 Risk、Catan 和 Poker 做人机评测 — mattbeane · 2026-07-21
• Social Arena 推出用 Risk、Catan、Poker 测 AI 行为的新基准 — AaronBergman18 · 2026-07-21