三元狼人杀：LLM 中多跳心理理论的小丑角色

大语言模型的心理理论评估通常采用二元社交推理游戏，模型可凭借语言先验得分而无需模拟对手动机。本文扩展狼人杀游戏引入“小丑”第三方阵营，其获胜条件为被投票出局，从而构建需跨越三个对立效用函数进行推理的博弈环境。实验表明，现有模型在三方激励结构中表现出严重推理缺陷，如狼人阵营过早淘汰小丑的自毁行为。该研究揭示了二元博弈无法察觉的多智能体推理层次，并验证了自我学习对不同模型策略演化的差异化影响。