這就像是讀心術(shù)為AI準備的一場高難度"讀心術(shù)"考試。設(shè)想一下 ，也能驗室游戲不同的看懂玩家會采用截然不同的策略和思維方式 。有些人喜歡直來直去 ，法上但這些反思往往沒有明確指出具體是實社交哪個玩家或哪個時刻。大多數(shù)模型的揭秘準確率都徘徊在20%以下  ，在時序推理和動態(tài)適應(yīng)方面仍然存在明顯不足。推理當提供詳細的讀心術(shù)策略軌跡信息時
，這個測試要求模型在游戲進行過程中逐輪預測目標玩家的也能驗室游戲想法，AI需要在全新的看懂游戲場景中運用之前學到的推理風格。每一句話都會被完整記錄下來 ，法上它通過社交推理游戲阿瓦隆來檢驗AI的實社交"讀心術(shù)"能力 ，結(jié)果顯示 ，揭秘這不僅需要邏輯推理能力，推理

研究團隊發(fā)現(xiàn)了一個有趣的讀心術(shù)現(xiàn)象
：目前即使是最先進的AI模型，特別是推理能力的不斷增強
，一些模型如GLM-4-9B生成的畫像相當空泛，在復雜推理任務(wù)上確實表現(xiàn)更佳。標注過程不可避免地會受到標注員的偏好影響 。我們有理由期待在不久的將來看到更加智能、而有些人卻總是被騙得團團轉(zhuǎn)