想必大家都知道“狼人殺”這個(gè)游戲，在狼人殺中，說(shuō)話的時(shí)機(jī)至關(guān)重要，說(shuō)得太多可能會(huì)暴露身份，顯得可疑；說(shuō)得太少又可能被其他玩家懷疑是在隱藏什么。

我們都有過(guò)這樣的經(jīng)歷：在群聊中，有些人總是搶著說(shuō)話，有些人卻一聲不吭，而真正受歡迎的那個(gè)人總是能在恰到好處的時(shí)機(jī)說(shuō)出恰到好處的話。

來(lái)自希伯來(lái)大學(xué)的研究團(tuán)隊(duì)成功地讓人工智能也學(xué)會(huì)了這種社交技巧，這聽(tīng)起來(lái)可能不算什么大事，但實(shí)際上這是一個(gè)巨大的突破。

目前絕大多數(shù)AI聊天機(jī)器人都遵循一種叫做"同步交流"的模式，就像打乒乓球一樣，你說(shuō)一句，我回一句，輪流進(jìn)行。然而現(xiàn)實(shí)生活中的群體交流完全不是這樣的。在微信群聊、團(tuán)隊(duì)會(huì)議或者朋友聚會(huì)中，每個(gè)人都可以隨時(shí)發(fā)言，什么時(shí)候開(kāi)口說(shuō)話本身就是一門藝術(shù)。

雙重決策系統(tǒng)：AI如何學(xué)會(huì)"察言觀色"

研究團(tuán)隊(duì)設(shè)計(jì)的AI智能體采用了一個(gè)巧妙的雙重決策系統(tǒng)，就像人類在群聊中的思考過(guò)程一樣。當(dāng)我們?cè)谌豪锪奶鞎r(shí)，我們的大腦實(shí)際上在同時(shí)進(jìn)行兩個(gè)判斷：首先是"現(xiàn)在該不該說(shuō)話"，然后才是"如果要說(shuō)話，該說(shuō)什么"。

這個(gè)AI智能體的"大腦"也分為兩個(gè)部分。第一個(gè)部分叫做"調(diào)度器"，它的工作就像一個(gè)內(nèi)心的小聲音，不斷地問(wèn)自己："現(xiàn)在是發(fā)言的好時(shí)機(jī)嗎？"第二個(gè)部分叫做"生成器"，負(fù)責(zé)決定具體要說(shuō)什么內(nèi)容。

調(diào)度器的工作方式特別有趣。它會(huì)不斷地觀察聊天記錄，分析當(dāng)前的聊天節(jié)奏，然后決定是等待還是發(fā)言。就像一個(gè)善于察言觀色的人，它會(huì)考慮自己最近說(shuō)話是不是太多了，其他人是不是還在討論某個(gè)話題，現(xiàn)在插話會(huì)不會(huì)顯得突兀。

更巧妙的是，研究團(tuán)隊(duì)給調(diào)度器設(shè)計(jì)了一個(gè)"自我調(diào)節(jié)"機(jī)制。當(dāng)AI發(fā)現(xiàn)自己說(shuō)話比其他玩家頻繁時(shí)，系統(tǒng)會(huì)收到一個(gè)提示："注意你發(fā)言的頻率，讓其他人也有表達(dá)的機(jī)會(huì)。"相反，如果它發(fā)現(xiàn)自己太安靜了，系統(tǒng)會(huì)鼓勵(lì)它："記住要讓自己的聲音被聽(tīng)到，積極參與討論。"這種動(dòng)態(tài)調(diào)整讓AI能夠保持一個(gè)合適的參與度。

生成器的任務(wù)相對(duì)簡(jiǎn)單一些，但也不容忽視。一旦調(diào)度器決定要發(fā)言，生成器就會(huì)根據(jù)當(dāng)前的游戲狀態(tài)、聊天歷史和自己的角色（比如是狼人還是平民）來(lái)生成合適的回應(yīng)。

為了讓AI的行為更像真人，研究團(tuán)隊(duì)還加入了一個(gè)看似微不足道但實(shí)際上很重要的細(xì)節(jié)：打字時(shí)間模擬。AI不會(huì)立即發(fā)送消息，而是會(huì)根據(jù)消息的長(zhǎng)度等待一段時(shí)間，模擬人類打字所需的時(shí)間。按照平均每秒一個(gè)單詞的打字速度，如果AI要發(fā)送一個(gè)10個(gè)單詞的消息，它會(huì)等待大約10秒鐘再發(fā)送。這個(gè)小細(xì)節(jié)讓AI的行為顯得更加自然。

狼人殺測(cè)試場(chǎng)：真實(shí)世界社交的完美模擬

研究團(tuán)隊(duì)選擇了狼人殺這個(gè)經(jīng)典的社交推理游戲作為測(cè)試平臺(tái)。狼人殺是一個(gè)非常適合測(cè)試AI社交能力的游戲，因?yàn)橥婕倚枰ㄟ^(guò)語(yǔ)言交流來(lái)識(shí)別誰(shuí)是"壞人"，而說(shuō)話的時(shí)機(jī)對(duì)游戲勝負(fù)至關(guān)重要。說(shuō)話太頻繁可能會(huì)被懷疑，太沉默也會(huì)引起注意。更重要的是，這個(gè)游戲需要真正的團(tuán)隊(duì)合作和策略思考，而不是簡(jiǎn)單的問(wèn)答。

狼人殺游戲?yàn)檫@項(xiàng)研究提供了一個(gè)幾乎完美的測(cè)試環(huán)境。在這個(gè)游戲中，每個(gè)玩家都被秘密分配一個(gè)身份——要么是普通的"平民"，要么是需要隱藏身份的"狼人"。只有狼人知道其他狼人的身份，而平民對(duì)此一無(wú)所知。

游戲的流程就像一個(gè)微縮的社會(huì)：白天時(shí)，所有玩家聚在一起討論誰(shuí)可能是狼人，然后投票淘汰一個(gè)人。夜晚時(shí)，只有狼人可以私下交流，決定要"消滅"哪個(gè)平民。游戲在兩個(gè)隊(duì)伍中的一個(gè)達(dá)成目標(biāo)時(shí)結(jié)束：狼人要讓自己的數(shù)量超過(guò)平民，而平民要找出并投票淘汰所有狼人。

這個(gè)游戲設(shè)置對(duì)AI來(lái)說(shuō)充滿了挑戰(zhàn)。首先，它需要在信息不完整的情況下做出判斷——就像現(xiàn)實(shí)生活中的許多社交場(chǎng)景一樣，你永遠(yuǎn)不知道別人真正在想什么。其次，它需要學(xué)會(huì)適度的懷疑和信任，既要尋找狼人的蛛絲馬跡，又不能過(guò)于偏執(zhí)。最重要的是，它必須掌握發(fā)言的藝術(shù)——說(shuō)得太多可能暴露自己的身份或顯得可疑，說(shuō)得太少又可能被認(rèn)為是在躲避。

研究團(tuán)隊(duì)創(chuàng)建了一個(gè)叫做"LLMAFIA"的數(shù)據(jù)集，包含了21場(chǎng)游戲的完整記錄，總共2558條消息，其中211條來(lái)自AI智能體。每場(chǎng)游戲平均有7到12名玩家，持續(xù)時(shí)間約15分鐘。這些游戲都是在真實(shí)的在線環(huán)境中進(jìn)行的，AI智能體與真人玩家混在一起，沒(méi)有人知道誰(shuí)是AI，誰(shuí)是真人。

為了確保實(shí)驗(yàn)的公平性，研究團(tuán)隊(duì)告知參與者游戲中會(huì)有一個(gè)AI玩家，但不會(huì)透露具體是誰(shuí)。這樣既保證了實(shí)驗(yàn)的透明度，又不會(huì)影響游戲的自然進(jìn)行。每場(chǎng)游戲結(jié)束后，人類玩家會(huì)被問(wèn)及他們認(rèn)為哪個(gè)玩家是AI，并對(duì)AI的表現(xiàn)進(jìn)行評(píng)分。

驚人的社交成功：AI幾乎完美融入人類群體

實(shí)驗(yàn)結(jié)果令人印象深刻。在消息數(shù)量方面，AI智能體表現(xiàn)得幾乎和人類玩家一模一樣。在每個(gè)白天討論階段，人類玩家平均發(fā)送4.54條消息，而AI智能體發(fā)送4.28條消息，差距微乎其微。更重要的是，AI的發(fā)言時(shí)機(jī)也非常自然。

研究團(tuán)隊(duì)分析了兩個(gè)關(guān)鍵的時(shí)間模式：首先是"響應(yīng)時(shí)間"，即從上一條消息到當(dāng)前消息之間的間隔；其次是"連續(xù)發(fā)言間隔"，即同一個(gè)玩家連續(xù)兩條消息之間的時(shí)間。在這兩個(gè)維度上，AI的行為分布都與人類玩家高度相似，只是變化幅度稍小一些，這可能是因?yàn)锳I的行為更加一致，而人類在不同游戲中的表現(xiàn)差異較大。

最有趣的發(fā)現(xiàn)之一是關(guān)于游戲動(dòng)態(tài)的觀察。隨著游戲進(jìn)行，被淘汰的玩家越來(lái)越多，剩余玩家的發(fā)言頻率會(huì)自然增加。AI智能體完美地適應(yīng)了這種變化，它的發(fā)言頻率隨著活躍玩家數(shù)量的減少而相應(yīng)增加，這種自適應(yīng)行為完全符合人類的自然反應(yīng)。

在游戲勝率方面，AI智能體的表現(xiàn)也可圈可點(diǎn)。無(wú)論是扮演狼人還是平民，它的勝率都與人類玩家相當(dāng)。這表明AI不僅學(xué)會(huì)了合適的交流時(shí)機(jī)，還掌握了游戲的核心策略。考慮到在狼人殺這樣的游戲中，異常的交流模式往往會(huì)被視為可疑行為并導(dǎo)致被投票淘汰，AI的正常勝率進(jìn)一步證明了它成功融入了人類群體。

研究還發(fā)現(xiàn)了一個(gè)有趣的現(xiàn)象：在被投票淘汰的玩家中，說(shuō)話最多的玩家被淘汰的概率顯著較高。這個(gè)發(fā)現(xiàn)驗(yàn)證了研究團(tuán)隊(duì)的設(shè)計(jì)理念——避免極端的交流模式，而是努力融入典型的人類行為。

隱藏的差異：內(nèi)容分析揭示的秘密

盡管AI在時(shí)機(jī)掌握方面表現(xiàn)出色，但深入的內(nèi)容分析揭示了一些有趣的差異。最明顯的區(qū)別是消息長(zhǎng)度：AI傾向于發(fā)送更長(zhǎng)的消息，平均每條消息10.67個(gè)單詞，而人類玩家平均只有4.19個(gè)單詞。這可能反映了AI和人類在表達(dá)習(xí)慣上的根本差異——人類在快節(jié)奏的群聊中更喜歡簡(jiǎn)短的表達(dá)，而AI可能傾向于更完整的陳述。

詞匯使用方面也存在差異。AI使用的獨(dú)特詞匯數(shù)量更多（平均66.67個(gè)，人類為31.56個(gè)），這可能是因?yàn)锳I具有更大的詞匯庫(kù)，或者它在表達(dá)時(shí)更加正式和多樣化。同時(shí)，AI也表現(xiàn)出稍高的重復(fù)性，可能會(huì)重復(fù)之前說(shuō)過(guò)的話，這是一個(gè)需要改進(jìn)的地方。

更深入的分析顯示，通過(guò)機(jī)器學(xué)習(xí)方法可以相當(dāng)準(zhǔn)確地區(qū)分AI和人類的消息。使用先進(jìn)的文本嵌入技術(shù)和線性判別分析，研究人員能夠以98%的準(zhǔn)確率識(shí)別出消息的來(lái)源。這表明盡管AI在行為時(shí)機(jī)上已經(jīng)很接近人類，但在語(yǔ)言使用的細(xì)微特征上仍存在可識(shí)別的模式。

有趣的是，同樣的分析方法也能夠區(qū)分狼人和平民的消息（88%準(zhǔn)確率），以及白天和夜晚階段的消息（91%準(zhǔn)確率）。這說(shuō)明不同角色和不同游戲階段確實(shí)會(huì)影響玩家的表達(dá)方式，這種影響是可以通過(guò)技術(shù)手段檢測(cè)到的。

人類視角：AI偽裝成功了嗎？

從人類玩家的角度來(lái)看，AI的偽裝相當(dāng)成功。在游戲結(jié)束后的身份猜測(cè)中，只有59.6%的人類玩家正確識(shí)別出了AI智能體。這意味著有超過(guò)40%的情況下，人類無(wú)法區(qū)分AI和真人玩家，這是一個(gè)相當(dāng)令人印象深刻的成績(jī)。

在詳細(xì)的評(píng)分環(huán)節(jié)中，人類玩家對(duì)AI的表現(xiàn)給出了不同層面的評(píng)價(jià)。在5分制的評(píng)分系統(tǒng)中，AI在"人類相似性"方面得分2.63分，這個(gè)成績(jī)與身份識(shí)別的成功率基本一致，說(shuō)明AI還有改進(jìn)空間。然而，在"發(fā)言時(shí)機(jī)"方面，AI獲得了3.19分，這是三個(gè)評(píng)分維度中最高的，證明了研究團(tuán)隊(duì)在時(shí)機(jī)控制方面的成功。"消息相關(guān)性"得分為2.99分，表明AI的回應(yīng)內(nèi)容基本合適，但仍有提升余地。

這些評(píng)分結(jié)果很好地印證了技術(shù)分析的發(fā)現(xiàn)：AI在何時(shí)發(fā)言方面做得很好，但在如何發(fā)言方面還需要進(jìn)一步優(yōu)化。

技術(shù)創(chuàng)新與突破

這項(xiàng)研究的技術(shù)創(chuàng)新主要體現(xiàn)在異步通信的建模上。傳統(tǒng)的AI對(duì)話系統(tǒng)都是基于回合制設(shè)計(jì)的，就像下棋一樣，你走一步，我走一步。但現(xiàn)實(shí)世界的群體交流完全不是這樣的。在微信群、團(tuán)隊(duì)會(huì)議或者社交聚會(huì)中，任何人都可以在任何時(shí)候發(fā)言，這種自由度帶來(lái)了巨大的復(fù)雜性。

研究團(tuán)隊(duì)通過(guò)連續(xù)采樣的方式解決了這個(gè)問(wèn)題。系統(tǒng)每隔很短的時(shí)間就會(huì)詢問(wèn)AI是否要發(fā)言，這樣創(chuàng)造了一種"準(zhǔn)連續(xù)"的交流環(huán)境。就像電影中快速連續(xù)的靜止畫面創(chuàng)造了運(yùn)動(dòng)的錯(cuò)覺(jué)一樣，頻繁的決策點(diǎn)創(chuàng)造了自然流暢的對(duì)話體驗(yàn)。

另一個(gè)重要?jiǎng)?chuàng)新是動(dòng)態(tài)提示調(diào)整機(jī)制。AI不是使用固定的指令，而是根據(jù)自己的發(fā)言頻率動(dòng)態(tài)調(diào)整行為指導(dǎo)。當(dāng)它發(fā)現(xiàn)自己說(shuō)話太多時(shí)，系統(tǒng)會(huì)提醒它要給別人機(jī)會(huì)；當(dāng)它太安靜時(shí)，系統(tǒng)會(huì)鼓勵(lì)它更積極地參與。這種自適應(yīng)機(jī)制讓AI能夠在不同的群體動(dòng)態(tài)中保持合適的參與度。

研究團(tuán)隊(duì)使用了Llama3.1-8B-Instruct作為底層模型，這是一個(gè)相對(duì)較小的語(yǔ)言模型。令人驚訝的是，即使是這樣一個(gè)"輕量級(jí)"的模型，在適當(dāng)?shù)南到y(tǒng)設(shè)計(jì)下也能展現(xiàn)出如此出色的社交能力。這說(shuō)明系統(tǒng)架構(gòu)和算法設(shè)計(jì)的重要性，有時(shí)甚至比模型大小更關(guān)鍵。

深遠(yuǎn)影響與未來(lái)可能

這項(xiàng)研究的意義遠(yuǎn)超狼人殺游戲本身。它為AI在真實(shí)社交環(huán)境中的應(yīng)用開(kāi)辟了新的可能性。想象一下，在未來(lái)的在線團(tuán)隊(duì)會(huì)議中，AI助手不僅能提供信息支持，還能夠識(shí)別合適的插話時(shí)機(jī)，在不打斷討論流程的前提下提供有價(jià)值的建議。

在教育領(lǐng)域，這種技術(shù)可能催生新一代的AI學(xué)習(xí)伙伴。這些AI不會(huì)像傳統(tǒng)的教學(xué)軟件那樣機(jī)械地問(wèn)答，而是能夠像真正的同學(xué)一樣參與小組討論，在恰當(dāng)?shù)臅r(shí)機(jī)提出問(wèn)題或分享觀點(diǎn)，讓學(xué)習(xí)過(guò)程更加自然和有效。

在心理健康支持方面，具備自然交流能力的AI也可能發(fā)揮重要作用。它們可以參與支持小組的討論，在需要的時(shí)候提供安慰或建議，而不會(huì)因?yàn)闄C(jī)械的交流方式而讓人感到疏離。

然而，這種技術(shù)的發(fā)展也帶來(lái)了一些思考。當(dāng)AI能夠如此自然地模擬人類行為時(shí)，我們?nèi)绾未_保人機(jī)交互的透明度？在什么情況下應(yīng)該明確告知用戶他們正在與AI交流？這些都是需要社會(huì)層面討論和規(guī)范的問(wèn)題。

挑戰(zhàn)與局限

研究團(tuán)隊(duì)誠(chéng)實(shí)地承認(rèn)了當(dāng)前工作的局限性。首先，由于計(jì)算資源的限制，他們使用的是相對(duì)較小的語(yǔ)言模型。更大的模型可能會(huì)在語(yǔ)言表達(dá)的自然度方面表現(xiàn)更好，但同時(shí)也可能帶來(lái)新的挑戰(zhàn)。

其次，參與實(shí)驗(yàn)的玩家包括非英語(yǔ)母語(yǔ)者，雖然他們都能流利使用英語(yǔ)，但這種語(yǔ)言背景的多樣性可能影響了人類與AI消息的區(qū)分度。在某些情況下，非母語(yǔ)者的表達(dá)方式可能與AI生成的文本更相似，這會(huì)影響實(shí)驗(yàn)結(jié)果的解釋。

在游戲環(huán)境方面，狼人殺雖然是一個(gè)很好的測(cè)試平臺(tái)，但它畢竟有固定的規(guī)則和相對(duì)簡(jiǎn)單的交互模式。真實(shí)世界的社交場(chǎng)景要復(fù)雜得多，涉及更多的非語(yǔ)言信息、情感細(xì)節(jié)和文化背景。

技術(shù)上，當(dāng)前的系統(tǒng)主要關(guān)注了何時(shí)發(fā)言的問(wèn)題，但對(duì)于如何發(fā)言、如何表達(dá)情感、如何處理沖突等更高層次的社交技能還有很大的改進(jìn)空間。

研究方法的創(chuàng)新性

這項(xiàng)研究在方法論上也有很多值得稱道的地方。首先，它是第一個(gè)真正將AI智能體整合到人類玩家游戲中的研究，這提供了比純模擬環(huán)境更加真實(shí)可靠的數(shù)據(jù)。

數(shù)據(jù)收集的設(shè)計(jì)也很巧妙。研究團(tuán)隊(duì)不僅記錄了所有的聊天消息和投票行為，還詳細(xì)記錄了時(shí)間戳、AI的決策過(guò)程、使用的提示內(nèi)容等信息。這種全方位的數(shù)據(jù)記錄為后續(xù)的深入分析提供了堅(jiān)實(shí)的基礎(chǔ)。

在評(píng)估方法上，研究團(tuán)隊(duì)采用了多角度的分析策略。除了傳統(tǒng)的勝率統(tǒng)計(jì)，他們還分析了時(shí)間模式、語(yǔ)言特征、人類感知等多個(gè)維度。這種綜合評(píng)估方法讓我們能夠全面了解AI的表現(xiàn)，而不僅僅是單一指標(biāo)的好壞。

實(shí)驗(yàn)設(shè)計(jì)也考慮了倫理因素。所有參與者都事先知情并同意參與研究，雖然不知道具體哪個(gè)玩家是AI，但知道游戲中存在AI玩家。這種平衡保證了實(shí)驗(yàn)的有效性，同時(shí)尊重了參與者的知情權(quán)。

與相關(guān)研究的對(duì)比

雖然之前也有一些研究探索了AI在社交游戲中的應(yīng)用，但這項(xiàng)工作在幾個(gè)關(guān)鍵方面實(shí)現(xiàn)了突破。以往的研究大多采用嚴(yán)格的回合制系統(tǒng)，AI只能在輪到自己的時(shí)候發(fā)言。而這項(xiàng)研究實(shí)現(xiàn)了真正的異步交流，AI可以在任何時(shí)候決定是否發(fā)言。

在游戲選擇上，之前的一些研究雖然也使用了狼人殺或類似游戲，但主要關(guān)注的是欺騙檢測(cè)或策略分析，而不是交流時(shí)機(jī)的掌握。這項(xiàng)研究將焦點(diǎn)放在了社交互動(dòng)的時(shí)間維度上，這是一個(gè)相對(duì)較新的研究角度。

在參與者方面，這項(xiàng)研究是首個(gè)讓AI與真人玩家在同等條件下進(jìn)行游戲的研究。這種"混合現(xiàn)實(shí)"的實(shí)驗(yàn)環(huán)境提供了比純AI對(duì)戰(zhàn)或純?nèi)祟愑^察更有價(jià)值的數(shù)據(jù)。

至頂AI實(shí)驗(yàn)室洞見(jiàn)

這項(xiàng)研究最大的價(jià)值在于它向我們展示了AI社交能力發(fā)展的一個(gè)重要里程碑。當(dāng)AI不僅知道說(shuō)什么，還知道何時(shí)說(shuō)，它們就真正開(kāi)始理解人類交流的精髓了。這種理解將為AI在各種社交場(chǎng)景中的應(yīng)用奠定重要基礎(chǔ)，也為我們思考人機(jī)交互的未來(lái)提供了新的視角。

雖然目前的AI智能體還不夠完美，在語(yǔ)言表達(dá)的自然度上還有改進(jìn)空間，但它已經(jīng)在一個(gè)關(guān)鍵維度上接近了人類水平：社交時(shí)機(jī)的把握。這個(gè)突破意味著，未來(lái)的AI助手將不再是被動(dòng)的問(wèn)答機(jī)器，而是能夠主動(dòng)、適時(shí)地參與人類對(duì)話的智能伙伴。

論文地址：

https://arxiv.org/pdf/2506.05309v1

本文來(lái)自至頂AI實(shí)驗(yàn)室，一個(gè)專注于探索生成式AI前沿技術(shù)及其應(yīng)用的實(shí)驗(yàn)室。致力于推動(dòng)生成式AI在各個(gè)領(lǐng)域的創(chuàng)新與突破，挖掘其潛在的應(yīng)用場(chǎng)景，為企業(yè)和個(gè)人提供切實(shí)可行的解決方案。

Q&A

Q1：什么是異步群體交流？

A：異步群體交流是指在群聊、會(huì)議等場(chǎng)景中，任何人都可以隨時(shí)發(fā)言的交流方式，與傳統(tǒng)的"你說(shuō)我聽(tīng)"輪流模式不同。

Q2：雙重決策系統(tǒng)的AI智能體在狼人殺游戲中表現(xiàn)如何？

A：表現(xiàn)相當(dāng)出色。AI的發(fā)言頻率與人類玩家?guī)缀跸嗤?.28條 vs 4.54條消息），勝率也與人類相當(dāng)，最重要的是只有59.6%的人類玩家能正確識(shí)別出它是AI，說(shuō)明它成功融入了人類群體。

Q3：雙重決策系統(tǒng)的AI智能有什么實(shí)際應(yīng)用價(jià)值？

A：未來(lái)可能應(yīng)用在在線團(tuán)隊(duì)會(huì)議、教育討論、心理健康支持等場(chǎng)景中。AI助手將能夠像真正的參與者一樣，在恰當(dāng)時(shí)機(jī)插話或提供建議，而不是被動(dòng)等待指令，讓人機(jī)交互更加自然流暢。