M3-BENCH：混合动机博弈中LLM代理社会行为的过程感知评测

随着大语言模型（LLM）智能体能力的不断提高，他们的高级社会行为，如合作、欺骗、共谋等，需要系统的评估。然而，现有的基准通常强调单一的能力维度或仅依赖于行为结果，而忽略了来自代理决策推理和沟通交互的丰富过程信息。为了解决这一差距，我们提出了 M3-Bench，这是一种混合动机游戏的多阶段基准，以及一个过程感知评估框架，该框架跨三个模块进行协同分析：BTA（行为轨迹分析）、RPA（推理过程分析）和 CCA（通信内容分析）。此外，我们整合大五人格模型和社会交换理论，将多维证据聚合成可解释的社会行为肖像，从而描述代理人的人格特质和能力概况，而不仅仅是简单的任务分数或基于结果的指标。实验结果表明，M3-Bench 能够可靠地区分模型之间的不同社会行为能力，并揭示了一些模型实现了看似合理的行为结果，但在推理和沟通方面却表现出明显的不一致。