Dwarkesh 花 2 万美元让 AI 互玩血染钟楼测欺骗能力

Dwarkesh Patel 花费 2 万美元 API 额度，让多个 AI 模型在社交欺骗游戏《血染钟楼》（Blood on the Clocktower，类似狼人杀）中互相对战，考察模型的说谎与测谎能力，并上线了相应 Elo 排行榜。对局数据显示 OpenAI 的 Astra 模型对 Anthropic 模型胜率达 82%，且双方模型越聪明，「邪恶方」阵营越难获胜。

2026-11-06 ~ 2026-11-06 · 3 条相关

• Dwarkesh 花费 2 万美元让 AI 模型互玩社交欺诈游戏测说谎能力 — Dwarkesh Patel · 2026-11-06
• OpenAI 模型血染钟楼对 Anthropic 胜率 82%,且双方越聪明「邪恶方」越难赢 — Sauers_ · 2026-11-06

另有 1 条近重复转述:moultano