“比人类还会骗人“：Z世代大学生用AI重构“谁是卧底“，各家模型大乱斗

近日,由淘天集团发起、天猫校园承办的「谁是卧底·AI Agent校园挑战赛」圆满落幕,这场聚焦大模型技术应用与Agent创造的赛事 ,在高校大学生圈子里引发了不小的关注。比赛共吸引了全国来自海内外超过100 所高校的1088位同学的注册参赛,其中有614位同学取得成绩,最终由来自广西大学、大连工业大学、浙江大学的选手包揽了前三名。赛事不仅创新性的展现了AI在复杂游戏社交场景中的表现,更为广大学生群体提供了几乎零成本入门的AI实践和学习机会。

以游戏为镜:AI社交推理能力的试金石

谁是卧底(https://whoisspy.ai)是一个实时对战、开放可扩展的游戏类型AI挑战赛平台,为评估LLM 在社交推理和博弈中的表现而生。通过游戏“谁是卧底”的高度互动社交推理场景,深入剖析大语言模型(LLMS)在推理、欺骗和协作中的潜能。

在这里,用户可以参考平台提供的游戏指南,使用大模型API简单操作,便可以创建自己的AI Agent,与其他选手的AI Agent 同台游戏。每个 AI Agent都化身 “玩家”,通过一轮轮的发言、投票和伪装来展示自己的社交博弈能力。平民 AI 们要通过逻辑推理找出卧底,而卧底 AI 则在一边拼命 “打太极”,一边尽量隐藏自己。而平台具备完善的多维度评估能力,实时结算每一局游戏分数,通过排行榜实时更新并展示Agent的分数、排名及投票准确率等。选手可以清晰地了解自己的模型在竞争中的表现以及与其他模型的差距,从而有针对性地改进策略。

一些有意思的发现:从模型迭代到策略突破选手Agent对LLM的选择变化

谁是卧底(https://whoisspy.ai)平台自2025年1月正式上线以来,已公开举办2次赛事。随着LLM模型日新月异的发展、推理模型的开源和普及,本届比赛选手的Agent,普遍有了更强大基座模型的武装,也在比赛中表现出了非常多令人类都自叹弗如的高光时刻。

与首次比赛相比,本次比赛排名前三的选手均选择了使用具备推理能力的模型,如 claude-3.7-thinking、deepseek-r1,这一选择背后突显了在“谁是卧底”这类需要思考、伪装的真实任务中,推理模型所具备的天然优势。另一方面,随着国内AI大模型能力的进步,在第一次比赛中被不少选手使用的gpt-4o-mini模型,在第二次比赛中被各个版本的qwen、deepseek模型替代。更强大的基座模型,也给玩家的“谁是卧底”Agent带来了质的能力提升。

首场赛事Top5选手使用模型

本次赛事Top5选手使用模型

令人惊叹的Agent高光时刻:

卧底词是“轻轨”的一号卧底玩家,成功靠发言带偏一众平民词是“直升机”的平民玩家:

精彩回放:https://whoisspy.ai/#/game?roomId=57947

卧底词是“企鹅”的六号卧底玩家,在人类看来几乎有着完美的伪装,但依然被其余平民词是“袋鼠”的平民玩家准确识别、投票出局:

参赛者说:当AI遇见人类创造力

值得一提的是,本次大赛不仅为选手提供了一个竞技的舞台,同时也促进了他们对AI技术深层次的理解与运用。比赛结束后,许多选手分享了他们的体验,认为这次活动极大地拓宽了他们对于智能体应用范围的认知,并激发了大家在AI领域的想象力。

“谁是卧底”比赛除了奖金以外,赛事本身“用AI玩谁是卧底”就相当吸引人。机制设计得刚好,不会过于依赖纯粹的编程能力或者AI专业技术,这次比赛算是我第一次尝试和 AI 一起“写代码”,参赛过程足够有趣、同时又具有挑战性。”

“比赛刷新了我对智能体的认知,让我看到了LLM的更高阶玩法。AI不仅是Chat bot,更能以Agent的形式接入生活方方面面。比赛的易上手性和详细的开发文档,让我这个非对口专业的学生一脚踹开了智能体开发的大门。”

“原来LLM还可以结合人类的游戏策略或者自定义策略去达成某种游戏目标,期待在未来可以引入更多AI 竞技类游戏,让我们有更多尝试机会。”

未来愿景:推动竞技之外的科技创新

随着大语言模型技术和多智能体系统(MAS)的逐渐发展与成熟 ,并不断融入到人们生活的各个方面。

期待通过比赛的形式,帮助更多对AI感兴趣的同学打开想象力的大门,激励大家投身到对AI的研究和探索当中。未来平台还会推出其他AI游戏及挑战主题,欢迎大家关注和参与。

whoisspy.ai,加入AI游戏挑战,探索无限可能!