AI 玩「狼人杀」已经会主动卖队友了,甚至能借此把自己洗成全场最受信任的人。
Dwarkesh 最近花了约 2 万美元,做了个挺有意思的 Agent Benchmark,叫 Clocktower Bench。
让 10–12 个 AI 分成好人和邪恶阵营,互相私聊、交换线索、编造谎言、公开投票,最后用 386 场比赛评估不同模型的表现。
有一局 GPT-6 Astra 假扮调查员,主动指认自己的邪恶队友。队友被处决后,身份得到验证,其他玩家反而更信任它,最后成功获胜。
但看完文章,我更关注另一个发现。
在这个 Benchmark 中,OpenAI 较新模型的领先优势主要体现在识破骗局上。它们会不断对照前后的证据,重新判断谁更可疑,而部分 Claude 模型更容易过早相信某条线索。
这让我想到平时做 Agent Eval,面对错误信息或相互矛盾的工具结果,Agent 能不能及时发现问题、修正之前的判断,其实很值得单独测试。
作者还开源了完整的评测 Harness 和对局记录,可以自己复现、分析,甚至和 AI 直接对战。挺推荐做 Agent 研究的朋友看看。
文章:
显示更多
社会十个现实:
1.没钱的时候,亲亲戚都可能绕着你走
2.你有用的时候,身边全是好人;你没用了,冷暖立刻分明
3.掏心掏肺说的真心话,往往会变成别人日后捅你的刀子
4.大多数人劝你,本质是站在自己的利益角度,不是为了你好
5.不主动就是答案,没回应就是拒绝,别自欺欺人
6.规矩是给穷人定的,利益够大的时候,规则随时能变通
7.没有几个人真希望你过得比他好,尤其是原来和你差不多的人
8.你的善良如果没有底线,喂出来的全是得寸进尺的白眼狼
9.成年人的交往,本质是价值交换,没价值的关系留不住
10.除了你父母,没人会真的无条件包容你,错了就得买单,哭没用
显示更多
🚨韩国年轻人的“暴富梦”,这次真的碎了。
14.5亿美元,46万个账户直接归零。
这不仅是韩国股市惨案,更影响着币圈市场。
股市失火,为什么币圈先断气?
很多人有个误区,觉得炒股和炒币是两拨人。在韩国,完全不是,他们是同一批年轻人,用的是同一笔投机资金。
这次被清理的杠杆散户,20到30岁的年轻人占了62%。这群人,是市场投机最野的狼。
现在的市场,真的是一处失火,全线遭殃。
这波清算可能波及加密圈,这波创伤后信心重建可能会很漫长,大家在未来数月甚至数个季度内,对任何高风险资产(包括加密货币)采取消极态度。
韩国央行2.75%的利率还在压顶,资金成本太高了。
场外没有新钱,场内旧钱被洗,当下的最佳策略就是八个字:留足现金,静待冰点。
熬过去。
市场死不了,但盲目做多山寨币的人,会先死在黎明前。
显示更多
鹿是不用上班的
狼也不用
狐狸不用,野兔不用,松鼠不用,山鹰不用,麻雀不用,鲸鱼不用,海豚不用
深山里的熊也不知道什么叫工资
它们饿了便去找食,渴了便去找水,困了便睡
天地虽不曾优待它们,却也没有每月寄来一张账单
只有人聪明得很
我们把土地划了界,把河流拦了坝,把水装进瓶里,把粮食标上价格,把能遮风挡雨的屋子写上一个许多人一生也还不完的数字
然后告诉每一个刚来到世上的人:想活着,先挣钱
于是一个人出生了
他原本什么也没有欠,却很快有了饭钱、水电、房租、贷款,以及许多不得不做的事
他每日拿自己的时间去换钱,再拿钱买回食物、住所,以及继续活到明日的资格
鹿还在山间奔跑,鹰还在天上盘旋,鲸还在海里游荡
人坐在格子间里,看了一眼窗外,又低头看了一眼时间
还有三个小时下班
大家都这样活,久了,竟也觉得十分自然
偶尔有人问一句:为什么活着还要先挣钱
旁人便笑他幼稚
我也不知道究竟是谁幼稚
只是觉得,这世上最牢固的笼子,大约从来都不需要铁栏
住久了的人,会替它辩护
显示更多
美国两党内对华封锁技术鹰派全面掌控局面,是的,很明显共和党内部也有人自曝狼人了,川普更倾向“利益交换”而不是绝对封锁,现在他失势了。
所以,国内A股我觉得可以重新考虑和埋伏国产替代,关键技术被卡脖子环节。而光、pcb这条线,我是觉得会随美股硬件反弹,但最难也是他们,蛋蛋在别人手里,随时也会下来,如果非要考虑海外硬件,我更倾向韩国,可以重新关注中韩半导体,这是我去年在X推过的etf,相比去年,现在依然位置不低,根据自己情况量力而行。
显示更多
钱越赚越多,人却越活越无聊,脑子里全是焦虑,这是为什么?她一年半前月薪不到2万,年底算下来二三十万,还要养孩子;现在一年税后150万左右。可她总怕将来又回到以前那种状态。我跟她说:你的物质水准上升了,消费场景没有。这个世界其实就是一个大富翁游戏,你说它有什么意义呢?都得死。👇
年薪40万的时候,她只拿收入的10%出来花,把自己搞得很窘迫。现在一年100多万,问她还想拿到什么,她说也没什么想要的了。我问她是不是生活太无聊了,她说是挺无聊的,也没什么爱好。
你们已经过上天花板的生活了。所有的焦虑,都是生活已经很完整之后,总觉得没事可干,反过来逼着自己想这想那。所以我让她每个月给自己放两天假,去上海、深圳住住好酒店,买买好衣服,跟姐妹喝喝酒。
你要问意义、问价值,这么聊下去,人人都得出家。人生的意义就在于活着,然后拼命参与到这个社会给你构建的一个又一个游戏规则当中去。什么游戏规则都不愿意参加,你就会变得很空洞、很无聊。玩狼人杀、玩密室逃脱,不也没有意义吗?可你就是去玩这个游戏的,把角色演得很像,投入进去了,意义感就来了。
卷孩子的妈也是一套游戏规则。海淀的妈、黄埔的妈每天乐在其中,以怎么把孩子卷出来为规则。我是事业女性,对那套没兴趣,但它有它的意义,因为它让那帮人活起来了:痛苦也是爽的,比不过别人也是爽的,因为全身心参与了,就不觉得生命在浪费。
所有的游戏都已经陈列在那里,不需要你去创造,只需要选一个参与进去。生孩子是一套本,走事业也是一套本。我选事业,是因为打更复杂的游戏让我更兴奋。她问是不是还得看自己喜欢什么,我说不是,是做了什么你就喜欢什么。
她的婆婆既是她的领导又是她的婆婆,特别节俭,她怕自己享受生活被看不惯。享受放在她看不见的地方就好。游戏规则就是你是什么人,我在你面前就是什么人。不要想着人前人后一定要一致,我的处事哲学是统一的:见什么人像什么人。花他价值观不认可的钱,就背着他花;花他的钱,就花到他的价值观上。
她为什么焦虑?因为她对话的人都是不开心的人。公公婆婆一年365天都在工作,也不消费;身边全是苦行僧式的人,赚了钱也很痛苦。对他们,你就当上班。可人365天都上班能行吗?总得有下班的时候,去跟聊得开心的人聊,去积蓄正能量。
最后她问我怎么想未来。我还想多有几个小孩,商业上要更卓越,这个游戏要是打到山顶,我现在也就在中部。我不想每次被提起来,都只是一个做自媒体的人。我看到的第一性原理,是让别人见证我的成长:从一个很破的房子、从0开始,一步一个脚印,把所有东西抛出来给大家看。我要把整个人生变成一场互联网真人秀,从0到卓越,用自己的人生去论证我讲的每一句话。
视频里还有:有人说我物化男性、物化女性,还物化我自己,我说说得很对,所有关系的本质都是交换;公婆说钱都是给你干的,那给我干的不给我花算什么;人的脸皮要厚,我是越提不要脸的要求越可爱;对这个世界所有牛逼的人全盘去魅;我不是改变了别人的命运,我是别人命运发生改变的催化剂。
显示更多
周末刷小破站,差点没给我笑死,居然有人让AI去组局玩狼人杀。
刷到一个UP主 十月枫林尽染出了一期特别有意思的AI测评——「AI 狼人杀」,让12 个国内外大模型同桌开局,一个比一个心眼子深,太好玩了 他的测评思路很有意思,给定一个主题,然后让每个模型扮演对应的角色,每个模型说完下一个模型会根据他们的对话来判断谁是好人谁是狼人,开头豆包2.1刚说完,Claude Opus直接跳警查杀,真是越看越过瘾。
讲实话,各种新模型发布太多,跑分(benchmark)也看多了,普通人其实看不太懂,他们更关心实际应用场景下模型的真实能力。
所以看到B站各个UP主的测评还挺意思,后来看了下发现是B站搞了一个AI 无限竞技场的活动:他的思路比较好,不搞跑分那套,而是让各领域 UP 主自己想场景自己测评,然后让模型在实际应用下展示最真实的实力。
各种场景都有:有让AI玩狼人杀的,有给AI 1万块去赌球的,还有拉坨大的,然后让AI去修屎山代码的,真是一个比一个绝。
当然了,一局比赛或者测评肯定不能直接评判谁是最强模型,但我觉得B站搞的这个思路挺不错:把大家真正有意思的场景摆上来,让 AI 当场表演,看看到底谁夯谁拉。
感兴趣可以去小破站搜「AI竞技场」,除了狼人杀还有很多好玩的测评。
显示更多
不好说的太细,我对于刚来新加坡的小伙伴都会叮嘱不要去会所打德州,尤其是 XX 和 XXX 的组局是一定不能去的,前几天和 Kevin 聊天也说到了这个话题,手痒的话就找非常熟悉的小伙伴,一周的输赢也就是 1 万美元上下,这种玩法比去商K还省钱。
从我来新加坡以后就不断的听说各种组局,上次新加坡发生的入室抢劫也是币圈小伙伴的牌局后发生的,在一些专业组局的“大佬”家一天输 50万 美元和玩一样。
这和你的水平没啥关系,就是纯粹被做局。还是推荐打打掼蛋,狼人杀,阿瓦隆就挺好。
显示更多