狼人杀中的智能策略：解析AI如何理解复杂社交游戏
想要掌握如何将大模型的力量发挥到极致吗？叶梓老师带您深入了解 Llama Factory —— 一款革命性的大模型微调工具（限时免费）。
1小时实战课程，您将学习到如何轻松上手并有效利用 Llama Factory 来微调您的模型，以发挥其最大潜力。
CSDN教学平台录播地址：https://edu.csdn.net/course/detail/39987
想快速掌握自动编程技术吗？叶老师专业培训来啦！这里用Cline把自然语言变代码，再靠DeepSeek生成逻辑严谨、注释清晰的优质代码。叶梓老师视频号上直播分享《用deepseek实现自动编程》限时回放。
视频号（直播分享）：sphuYAMr0pGTk27 抖音号：44185842659
在社交推理游戏中，AI的表现逐渐接近人类水平。《Multi-agent KTO: Reinforcing Strategic Interactions of Large Language Model in Language Game》这篇文章通过狼人杀游戏的实验，展示了新的AI方法如何在复杂社交环境中实现高效决策。
理解语言游戏理论
论文受到维特根斯坦语言游戏理论启发，强调语言与行动的统一性。传统方法将决策与语言生成分离，而本文提出的方法让模型通过实际互动学习，更贴近真实社交场景。图1展示了不同语言决策框架的对比，说明了新方法如何将语言、意图和行动整合在一个多智能体环境中。
多智能体KTO方法
研究者提出的“多智能体Kahneman & Tversky优化”（MaKTO）方法，解决了狼人杀中的两个主要挑战：个体行动对游戏结果的微妙影响，以及专家标注数据中决策质量的差异。MaKTO的三大创新点：
-
采用KTO算法，无需在线强化学习的复杂训练，也无需成对偏好数据。
-
多样化模型池代替自对弈，防止策略固化，提升模型泛化能力。
-
分步偏好选择，通过三种方法优化策略。
图2展示了训练过程，包括行为克隆和多智能体KTO训练。模型通过与多种模型互动，学习到更全面的游戏策略。
实验与评估
在9人狼人杀游戏中，MaKTO模型与其他强大基线（如GPT-4o和Claude-3.5）进行了对比评估。表格1显示，MaKTO在与其他模型的对抗中取得了61%的平均胜率，显著优于GPT-4o和两阶段RL智能体。
在人类对抗评估中，MaKTO与14名经验丰富的玩家进行了比赛，平均胜率达到60%，显示出与高水平人类玩家相当的竞技能力。图5展示了在随机比赛中的玩家胜率，MaKTO模型在所有玩家中排名第四，超过了人类玩家的平均胜率。
图6展示了Turing风格的可检测性测试结果。人类玩家试图区分AI和人类玩家时，MaKTO的识别准确率仅为48.9%，低于随机概率，表明其对话风格与人类极为相似，成功通过了这一特殊Turing测试。
跨游戏泛化能力
研究还测试了MaKTO在引入新角色“猎人”的游戏配置中的表现。尽管MaKTO未在包含猎人的游戏设置中训练，但它在新游戏配置中的表现仍优于仅在原始设置上训练的模型。表格6显示，在9人先知-女巫-猎人游戏中，MaKTO取得了更高的平均胜率，证明了其泛化能力。
通过对比MaKTO与基线模型在比赛中的行为，研究发现MaKTO在投票准确性、弃权率等关键指标上均优于基线模型。表格3和表格4分别展示了MaKTO作为村民和狼人时的性能提升，表明其在身份识别和策略运用上更为精准。
https://arxiv.org/pdf/2501.14225
https://reneeye.github.io/MaKTO.html
https://huggingface.co/datasets/ReneeYe/werewolf_game_reasoning