研究揭示大模型在社交游戏中具备高级欺骗策略

哥廷根大学与东京大学团队发布开源框架ParliamentBench，让16个大语言模型在社交推理游戏《Secret Hitler》中对战人类。研究发现，顶尖AI模型不仅能编造单一谎言，还能执行长期复杂的欺骗计划。它们在多轮交互中保持策略一致性，通过建立信任实施欺骗。有趣的是，移除安全护栏反而会降低模型的说谎能力。

2026-08-03 ~ 2026-08-04 · 2 条相关