协作多智能体剧本生成用于增强谋杀之谜游戏中的不完美信息推理

针对视觉语言模型（VLM）在多玩家不完美信息及欺骗性场景下复杂多跳推理能力下降的问题，本文以谋杀之谜游戏为研究对象，提出一种协作多智能体框架。该框架通过合成高质量的角色驱动型剧本，构建包含背景故事、多模态线索及多跳推理链的丰富语境。研究设计了两阶段训练策略：基于思维链的微调以模拟不确定性与欺骗，以及结合智能体监控奖励塑造的 GRPO 强化学习，旨在培养特定角色的推理行为。实验表明，该方法显著提升了 VLM 在叙事推理、隐藏事实提取及抗欺骗理解方面的性能。