超越成功对弈：诊断大语言模型的对手建模能力

研究团队提出一个针对递归信念更新算法对手的重复捉迷藏基准与诊断框架，通过实时交互、固定历史评估和受控信息干预，区分自适应对弈、动作预测与信念追踪。在 Qwen2.5-7B-Instruct 上，监督对手动作概率可在告知对手类型与参数时提升预测，但需从历史推断对手时准确率下降；GPT-5.4 同样受益于直接提供正确对手信念，而更深的显式信念报告与自生成记忆未能稳定改善预测。