欺骗、检测与披露：大语言模型玩迷因游戏

大型语言模型在越来越多地应用于多智能体环境中，这些环境的结局取决于社交智能，这促使对其交互能力的评估；然而现有研究仍然主要是经验性的，缺乏对智能体相互作用如何决定集体结果的理论理解。为此，我们引入了"迷因游戏"（Mini-Mafia），这是一种对社交推理游戏"Mafia"的四玩家简化版本，其中固定的夜间阶段将游戏简化为由黑帮、侦探和村民三方进行的单次关键交换。在此设置下，我们证明黑帮的胜率 $p$ 由解析公式 $\text{logit}(p) = v \times (m - d)$ 预测，其中 $m$、$d$ 和 $v$ 分别代表黑帮的欺骗能力、侦探的披露能力和村民的检测能力。我们将这一解析框架转化为"迷因游戏基准测试"，通过对游戏数据的贝叶斯推断，可为每个模型估计内在参数 $m$、$d$ 和 $v$。对于 $I$ 个模型，仅需 $3I$ 个参数即可预测所有 $I^3$ 种赛事组合的结果；在 5 折交叉验证中，该公式相对于随机基准实现了 $76.6\%$ 的 Brier 分数降低。基准测试还揭示了一些反直觉的结果：Grok 3 Mini 是最强的检测者，GPT-5 Mini 是最强的披露者，两者都超越了 DeepSeek V3.1、Claude Opus 4 和 Claude Sonnet 4；而 Claude Sonnet 4 是最弱的检测者，接近随机水平。总之，这些结果表明，迷因游戏作为一种简单但非平凡的多智能体系统，能够被解析描述，并可作为语言模型交互的原则性基准。