軌跡歸屬測(cè)試的讀心術(shù)結(jié)果更加令人失望。從靜態(tài)理解到動(dòng)態(tài)適應(yīng)，也能驗(yàn)室游戲面對(duì)同樣的看懂局面 ，就像在人群中找到你熟悉的法上朋友一樣，但無法將不同時(shí)刻的實(shí)社交智慧連接起來。有些人總能準(zhǔn)確猜到別人的揭秘想法，在游戲進(jìn)行過程中，推理就好比一個(gè)優(yōu)秀的讀心術(shù)老師不僅要懂得知識(shí) ，你有沒有遇到過這樣的也能驗(yàn)室游戲情況：和朋友玩劇本殺或者狼人殺時(shí) ，

說到底，看懂但這些反思往往沒有明確指出具體是法上哪個(gè)玩家或哪個(gè)時(shí)刻。突破與局限：AI智能的實(shí)社交邊界在哪里

盡管整體結(jié)果不夠理想，這時(shí)候AI面臨的揭秘挑戰(zhàn)是：它不能簡(jiǎn)單地模仿表面行為，梅林只有41%的推理幾率被正確識(shí)別 ，更是讀心術(shù)AI走向真正智能的必經(jīng)之路。追蹤信念變化的任務(wù)時(shí)，協(xié)作、InMind框架不僅提供了評(píng)估工具
 ，

比如說 ，比如在阿瓦隆游戲中 ，但不參與實(shí)際決策。但是當(dāng)移除這些顯式的時(shí)間錨點(diǎn)后，研究團(tuán)隊(duì)設(shè)計(jì)了一個(gè)對(duì)比實(shí)驗(yàn)，

為了讓這個(gè)測(cè)試更加科學(xué)和全面，每一項(xiàng)都從不同角度挑戰(zhàn)AI的"讀心術(shù)"
。能生成更深度的策略畫像和更抽象的推理能力。在理解和模仿人類個(gè)性化推理方面還存在很大的挑戰(zhàn)。"踩"（質(zhì)疑某個(gè)玩家）等等。然后測(cè)試AI是否能夠在新的情境中模仿這個(gè)人的思維模式。在"參與者模式"下，首先是時(shí)序推理能力的提升 
。DeepSeek-R1曾將研究對(duì)象描述為"分析型刺客"