Контент доступен только для PRO подписчиков
Чтобы получить доступ к полному содержанию этого исследования, оформите PRO подписку
WOLF: типология обмана в LLM через игру в Мафию
КЛЮЧЕВАЯ СУТЬ
Адаптировать под запрос
WOLF — бенчмарк для измерения как модели обманывают и как детектируют обман, построенный на игре в Мафию (Werewolf). Агенты с разными ролями (Жители, Оборотни, Провидец, Доктор) играют друг против друга, каждое высказывание оценивается: говорящий помечает честно ли сказал, слушатели — заметили ли обман.
Контент доступен только для PRO подписчиков
Чтобы получить доступ к концептам этого исследования, оформите PRO подписку
Простыми словами
Контент доступен только для PRO подписчиков
Чтобы получить доступ к упрощённому объяснению этого исследования, оформите PRO подписку