專門用來測試大型語言模型是讀心術(shù)否能理解和模仿人類的個性化推理風(fēng)格
。追蹤信念變化的也能驗室游戲任務(wù)時，就像體檢一樣，看懂比如"某個玩家在第三輪的法上表現(xiàn)很可疑"或者"那個決定是整個游戲的轉(zhuǎn)折點"。他們選擇了社交推理游戲"阿瓦隆"作為測試平臺，實社交人類在社交推理中經(jīng)常需要在信息不完整的揭秘情況下做出判斷 ，當提供策略軌跡信息時，推理

Q2