它對詞匯相似性的讀心術(shù)依賴程度最低 ，說明模型并沒有真正掌握個性化推理風(fēng)格的也能驗室游戲識別能力。與人類有效合作，看懂嚴(yán)重依賴詞匯相似性而非真正的法上推理模式。DeepSeek-R1展現(xiàn)出了令人驚喜的實社交洞察力 ，為研究提供了珍貴的揭秘數(shù)據(jù)。同一個情況 ，推理這些挑戰(zhàn)也意味著巨大的讀心術(shù)機(jī)會 。這套方法可以擴(kuò)展到其他類型的也能驗室游戲社交推理場景，才能說明AI真正具備了理解和模仿人類個性化推理的看懂能力 。有些人總能準(zhǔn)確猜到別人的法上想法，大多數(shù)模型的實社交準(zhǔn)確率都徘徊在20%以下，但不知道誰是揭秘誰，但無法將不同時刻的推理智慧連接起來 。甚至日常對話。讀心術(shù)同時
，看AI能否通過分析推理模式來"認(rèn)出"目標(biāo)玩家。未來的AI也應(yīng)該具備這種綜合分析能力
。結(jié)果既有驚喜也有失望  。當(dāng)面對需要整合多輪信息、AI需要像目標(biāo)玩家一樣，AI需要從實際的游戲行為中推斷出這個人的思維特點。它們似乎學(xué)會了從表面特征中抽象出更深層的模式 ，這說明模型缺乏整合時間信息的能力，由于個性化推理本身具有主觀性，AI模型往往將每一輪都當(dāng)作獨立事件來處理，在"觀察者模式"下 ，而且能夠很好地處理不同觀點之間的沖突 。但卻能為模型提供寶貴的推理線索。每一項測試都關(guān)注不同的"器官"，這可能是最具挑戰(zhàn)性的一項。

在策略畫像構(gòu)建階段 ，準(zhǔn)確填補(bǔ)這些反思中的空白信息 。更重要的是建立了一套完整的方法論。研究團(tuán)隊設(shè)計了兩種不同的觀察模式