Multimodal Agent Causal Reasoning Social Deduction Games Reinforcement Learning
摘要

社交推理游戏(如狼人杀)是测试 AI 智能体的挑战性平台,需具备推理、欺骗与协作等复杂社交技能。尽管大语言模型推动了该领域进展,但现有方法多局限于文本,忽视了人类社交交互固有的多模态特性。为此,本文提出 CaM-Wolf,首个集成多模态感知与生成的社交推理游戏智能体。该智能体处理其他玩家的视频输入,利用经强化学习训练的因果感知推理器建立可观察行为与隐藏角色间的逻辑链,并通过动画化身进行交互。实验表明,CaM-Wolf 显著提升了游戏表现与人机交互质量。

AI 推荐理由

论文核心提出因果感知推理器,通过强化学习构建行为与角色的逻辑链,属推理机制研究。

研究机构
The Hong Kong University of Science and Technology (Guangzhou) Nanyang Technological University Singapore Shanghai Jiao Tong University Shanghai, China
论文信息
作者 Zheng Zhang, Nanjie Yao, Jiarui He, Deheng Ye, Peilin Zhao et al.
发布日期 2026-07-29
arXiv ID 2607.26393
相关性评分 9/10 (高度相关)