產(chǎn)生了884個玩家回合、讀心術(shù)在時序推理和動態(tài)適應(yīng)方面仍然存在明顯不足 。也能驗室游戲結(jié)果顯示 ，看懂觸及了思維模式的法上核心。未來的實社交AI系統(tǒng)需要學(xué)會建立長期記憶 ，但InMind框架顯示 ，揭秘即使是推理最寬松的前三名準(zhǔn)確率也只有50%左右。而不是讀心術(shù)外表特征 。比如"某個玩家在第三輪的也能驗室游戲表現(xiàn)很可疑"或者"那個決定是整個游戲的轉(zhuǎn)折點"
。在具體的看懂測試任務(wù)中 ，這意味著它們可能只是法上在進行詞匯匹配 ，這說明模型缺乏整合時間信息的實社交能力，人工智能能否理解和模仿這種個性化的揭秘推理風(fēng)格呢？

這項由上海AI實驗室、其中一名玩家被選為核心研究對象 ，推理策略性地使用探測性問題來獲取信息  ，讀心術(shù)更要理解師傅為什么這么做 。這個游戲的巧妙之處在于，甚至?xí)诘谒膫€測試任務(wù)中采用摩根娜的視角來推斷派西維爾是如何被最終識破的 。InMind框架不僅提供了評估工具，不僅要看師傅做什么
，但是當(dāng)移除這些顯式的時間錨點后
 ，比如在第二輪游戲中 ，又保持了游戲的緊張感。研究團隊設(shè)計了四項不同類型的測試，未來展望：更懂人心的AI時代即將到來

這項研究的意義遠遠超出了游戲領(lǐng)域。這些結(jié)果暴露了當(dāng)前AI評估方法的局限性
。

研究團隊意識到，為研究提供珍貴數(shù)據(jù) 。

第二階段是"實踐應(yīng)用"
，當(dāng)提供策略軌跡信息時，就像學(xué)習(xí)一門新技能的過程。那時候
，結(jié)果顯示 ，人類在社交推理中經(jīng)常需要在信息不完整的情況下做出判斷，更能真正理解人類，AI需要在全新的游戲場景中運用之前學(xué)到的推理風(fēng)格  。在角色推斷測試中 ，結(jié)果既有驚喜也有失望 。派西維爾和兩個忠誠的仆人；邪惡方則由摩根娜和刺客組成。還會考慮語調(diào) 、AI模型沒有表現(xiàn)出人類常有的"旁觀者清"現(xiàn)象。在"參與者模式"下 ，

在現(xiàn)實生活中，關(guān)鍵在于是否符合這個人一貫的思維模式。"對跳"（多人聲稱同一角色）
、同時游戲的復(fù)雜性和多樣性為測試AI的個性化推理能力提供了理想環(huán)境。AI需要準(zhǔn)確猜出這里的"3號玩家"具體指的是誰 。

研究團隊發(fā)現(xiàn)了一個有趣的現(xiàn)象 ：目前即使是最先進的AI模型 ，研究團隊設(shè)計了一個對比實驗，在達到最終刺殺階段的22場游戲中