CSP4SDG：基于约束与信息论的社会推理游戏中的角色识别（结合 LLM 推理）
人工智能
2025-11-11 v1 计算机科学与博弈论
摘要
在社会推理游戏（SDG）中，如阿维隆（Avalon）、黑帮（Mafia）和狼人游戏（Werewolf），玩家会隐藏身份并刻意误导他人，使得隐藏角色推断成为核心且具挑战性的任务。准确的角色识别——即智能体信念状态的基础——是人类和 AI 表现的关键。我们引入 CSP4SDG，这是一个概率性、约束满足框架，用于客观分析游戏情形。将游戏事件和对话映射到四类语言无关约束：证据、现象、断言和假设。硬约束修剪不可能的角色分配，而加权软约束对剩余选项进行评分；信息增益加权将每个假设与其在熵减少下的预期价值相联系，一个简单的闭式评分规则保证诚实断言在最小误差下收敛于经典硬逻辑。最终得到的角色后验分布完全可解释且实时更新。实验在三个公开数据集上表明，CSP4SDG (i) 在每种推理情形下均优于 LLM-based baseline，(ii) 在作为辅助“推理工具”供给 LLM 时可提升 LLM 性能。我们的研究表明，基于信息论的原则性概率推理是社会推理游戏中可扩展的替代方案或补充方案，相较于重量级神经网络模型具有优势。
引用
@article{arxiv.2511.06175,
title = {CSP4SDG: Constraint and Information-Theory Based Role Identification in Social Deduction Games with LLM-Enhanced Inference},
author = {Kaijie Xu and Fandi Meng and Clark Verbrugge and Simon Lucas},
journal= {arXiv preprint arXiv:2511.06175},
year = {2025}
}