DVM：面向社交推理游戏中可控 LLM 智能体的探索

大型语言模型提升了社交推理游戏中游戏智能体的能力。这些游戏严重依赖对话驱动的交互，并要求智能体基于此类信息进行推断、决策和表达。虽然这一进展使得 SDG 中的非玩家角色更加复杂和具有策略性，但仍然存在控制这些智能体熟练度的需求。这种控制不仅确保 NPC 能够适应游戏过程中不同的难度级别，还能为 LLM 智能体的安全性和公平性提供洞察。在本文中，我们提出了 DVM，一种用于开发面向 SDG 的可控 LLM 智能体的新框架，并在最受欢迎的 SDG 之一《狼人杀》上展示了其实现。DVM 包含三个主要组件：预测器、决策器和讨论器。通过将强化学习与胜率约束的决策链奖励机制相结合，我们使智能体能够动态调整其游戏熟练度以达到指定的胜率。实验表明，DVM 不仅在《狼人杀》游戏中优于现有方法，还成功调节其性能水平以满足预定义的胜率目标。这些结果为 LLM 智能体在 SDG 中的自适应和平衡游戏铺平了道路，为可控游戏智能体的研究开辟了新途径。