跨局记忆让 LLM 在《吹牛大冒险》中学会“信用掩护”诈唬

当你试图让大模型参与《吹牛大冒险》（Liar's Dice）时，单纯的概率计算模块无法解决核心问题：如何在多轮对抗中构建对手的心理模型。只有引入跨局记忆机制后，模型才能从单局的最优解转向长线博弈，甚至自发使用“信用额度”来掩护诈唬行为。这种转变的关键在于，模型不再被动执行固定策略，而是主动利用对手对其形成的认知偏差来操纵游戏节奏。

为了平衡记忆容量和决策效率，开发者采用了“双轨制”记忆架构：一条轨道存储硬数据（如玩家诈唬频率、被识破概率等），这些数据由后台引擎实时统计，无法被模型篡改；另一条轨道则记录模型对玩家的主观判断，例如“当骰子数量少于 3 个时，该玩家出价趋于保守”。两者结合后，模型能够在下一局中带着“基于经验的偏见”参与对抗，而非仅依赖数字计算。

在实际对弈中，DeepSeek 的表现尤为突出。一次自对弈记录显示，当模型持有 3、6、5、6 四颗骰子时，它选择喊出“5 个 6”——这一决定超出了概率预期。其私有推理链（Reasoning Chain）揭示，模型意识到对手将其视为“习惯严谨计算且诚实的玩家”，于是故意维持这种“思考-出价”节奏，以消耗之前积累的“信用额度”，从而在关键时刻发动诈唬。这种“先立人设，后搞偷袭”的策略完全源自模型对对手的认知，而非预设 Prompt。

然而，人设设定也可能成为陷阱。最初为模型指定“老李”这一傲慢刻薄的角色后，不同模型的输出趋同，反而掩盖了各自在博弈逻辑上的差异。后续调整中，开发者删除所有具体人设 Prompt，让模型在同一纯净系统提示词下运行。结果发现，模型在诈唬时机的把握上呈现出明显差异：有的模型保守谨慎，有的则能敏锐捕捉玩家的心理漏洞。这说明，真正的对抗能力并非依赖于剧本化的角色设定，而是模型对博弈逻辑的原生理解与对手行为的动态建模。

图片保留原样：
![原文中的截图或示意图]（如有）