CaM-Wolf：面向社交推理游戏的因果感知多模态智能体

以狼人杀（Werewolf）为代表的社交推理游戏（SDG）已成为AI智能体富于挑战性的试验场。这类游戏需要推理、欺骗与协作等复杂社交技能。尽管大语言模型（LLM）的最新进展推动了SDG智能体的显著进步，当前方法仍以文本为主，忽视了作为人类社交互动根本属性的多模态特性。为弥合这一差距，我们提出CaM-Wolf，首个集成多模态感知与生成的SDG智能体。CaM-Wolf处理来自其他玩家的视频输入，采用经强化学习训练的因果感知Reasoner在可观察行为与隐藏身份之间建立逻辑链条，并通过动画化身展现自身。我们的实验和用户研究表明，CaM-Wolf取得了更优的智能体游戏表现，并提升了人机交互质量。这项工作代表了向创造更能参与细腻社交动态的类人AI智能体迈出的重要一步。我们的代码已发布于 https://3dagentworld.github.io/avatar_wolf。