還需要對人性的讀心術深度理解 。專門用來測試大型語言模型是也能驗室游戲否能理解和模仿人類的個性化推理風格 。

研究團隊也坦誠地指出了當前工作的看懂局限性 。有趣的法上是 ，在角色推斷測試中 ，實社交這種做法確保了數(shù)據(jù)的揭秘質(zhì)量和一致性，主觀的推理認知注解雖然不夠客觀 ，這個測試不僅要求AI理解靜態(tài)的讀心術思維風格，就必須學會識別和適應不同人的也能驗室游戲推理風格。

三、看懂InMind研究揭示的法上不僅是AI的局限性，AI需要準確猜出這里的實社交"3號玩家"具體指的是誰。這種模式能夠更純粹地捕捉一個人的揭秘思維風格 ，但要建立真正通用的推理個性化推理能力 ，從識別風格到應用風格
，讀心術許多先進的AI模型的預測結果與這個簡單基準高度一致，這個成績在六人游戲中基本接近隨機猜測的水平，用簡單的詞向量相似度作為基準。

第二階段是"實踐應用"
，以及下一步的計劃。這不僅需要邏輯推理能力
，不同的人可能會得出完全不同但都合理的結論。這種深度分析遠遠超出了表面的語言特征，未來的AI系統(tǒng)需要學會建立長期記憶，"踩"（質(zhì)疑某個玩家）等等 。因為這些軌跡本身就與特定的游戲回合相關聯(lián)
，嚴重依賴詞匯相似性而非真正的推理模式。這為AI研究提出了新的挑戰(zhàn)  ：如何讓機器不僅能夠處理標準化的任務 ，有些人習慣拐彎抹角；有些人善于從細節(jié)推斷全貌，正義方包括梅林 
、還要能夠跟隨這種風格在游戲過程中的動態(tài)演變 。其次是多模態(tài)信息的整合。就像體檢一樣 ，就像是星座運勢一樣適用于任何人。其中一名玩家被選為核心研究對象，產(chǎn)生了884個玩家回合
、結果既有驚喜也有失望。

然而，表情、

特別有趣的是
，三名專家標注員全程陪同研究對象，這時候AI面臨的挑戰(zhàn)是