CoC-Seduce基准评测22个LLM裁决者
热点事件持续更新
CoC-Seduce基准评测22个LLM裁决者
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Weiying Chen等作者发布多智能体对抗基准 CoC-Seduce，用于测试大语言模型在《克苏鲁的呼唤》桌面角色扮演游戏中担任规则裁决者的表现。基准由 GPT-5.4、Claude Sonnet 4.6、Gemini 3.5 Flash 生成 5,376 个样本，覆盖 4 种世界设定与 16 类技能，共评测 22 个裁决模型。 结果显示，模型版本更新与显式推理均不能可靠提升裁决鲁棒性；在各类修辞注入手法中，伪逻辑框架最有效，而世界设定的影响有限。
AI 根据报道生成 · 1 小时前更新
最新进展10月5日 12:00
LLM 在《克苏鲁的呼唤》TRPG 中作为裁决者的规则遵循评估报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv：cs.AILLM 在《克苏鲁的呼唤》TRPG 中作为裁决者的规则遵循评估
研究提出 CoC-Seduce 多智能体对抗基准，用 GPT-5.4、Claude Sonnet 4.6、Gemini 3.5 Flash 生成 5,376 个样本，覆盖 4 种世界设定与 16 类技能，测试 22 个裁决模型。结果显示新版本与显式推理均不能可靠提升裁决鲁棒性，伪逻辑框架是最有效的修辞注入手法，世界设定的影响有限。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。