---
title: "《血染钟楼》对局观察AI协作与推理"
canonical: "https://siyuanailab.com/curation/translations/0a5d4f312d302209e1304dd8ee91b8a6-532f7cf99424bd772f31a8d6cc85c30c8e1b4e34c392e76deddbddf5c41cd716/"
dateModified: "2026-11-06"
datePublished: "2026-11-06"
---

[返回日报条目](https://siyuanailab.com/curation/#entry/0a5d4f312d302209e1304dd8ee91b8a6)

 

资料节译

 

# 《血染钟楼》对局观察AI协作与推理

 

[阅读原文](https://www.dwarkesh.com/p/clocktower)

 

现有资料无法确认原文完整，本页只翻译已取得的材料。

 

现有原件无法确认图片是否齐全。

 

我很喜欢一款叫作 [Blood on the Clocktower](https://bloodontheclocktower.com/) 的社交推理游戏。它类似于狼人杀或黑手党。我让不同的 AI 模型互相对战，玩了很多局。看它们玩，确实能让我们深入了解 AI 在一系列能力上的进展；据我所知，其他基准测试都无法让人如此清楚地观察这些能力。你可以看到 AI 一起施展巧妙的秘密计谋，这需要大量创造力和临场 bluff。你也能看到 AI 如何运用集体推理，找出并拆解这些地下阴谋。你还会看到，当下的 AI 在长程谋划和推理方面有哪些局限。

 

要理解 AI 在这款游戏中的表现，你得先了解一点玩法，所以我快速说明一下规则。游戏分为善良阵营和邪恶阵营。游戏开始时，每位玩家会被分到其中一方，并获知自己的角色；每个角色都有特殊能力。邪恶玩家一开始就知道队友是谁，其中一人是恶魔，也就是邪恶阵营的首领。善良玩家则不知道谁属于哪个阵营。游戏分为白天和夜晚两个阶段，循环进行，直到游戏结束。每天所有人投票处决一名玩家；每天夜里，恶魔会秘密杀死一名玩家。双方因此展开竞赛：邪恶阵营要在善良阵营成功处决恶魔之前，先杀光所有善良玩家。

 

如果你属于邪恶阵营，就得想办法根据目前收到的信息编出一个可信、令人信服的说法，还要设法欺骗和扭曲未来出现的信息，以免恶魔引来怀疑。

 

如果你属于善良阵营，就要把自己的信息告诉你信任的玩家，然后和他们一起推理，判断哪些玩家最可能与彼此重叠的证据有关。不过在此过程中，你得记住自己可能拿到的是误导性信息：可能是邪恶玩家故意捣鬼，也可能只是游戏机制本身错综复杂。

 

当 AI 模型被分到邪恶阵营时，它们有多擅长秘密合谋、经受数日盘问、让彼此的谎言保持一致、根据其他智能体的想法和不断出现的新信息巧妙调整谎言，甚至为了推进团队的最终目标而策略性地牺牲自己？当它们和一群其他智能体一起推理时又表现如何，其中有些智能体还在有意且秘密地误导它们？

 

我花了大约 2 万美元的 API 额度来搭建这套基准测试框架，并让 AI 模型互相对战。有人可能会说这花得太多了，不过嘛，人总得有点爱好，对吧？总之，结果很有意思。

 

先来看看模型彼此之间的表现。顺便说一下，这些排名来自 386 场游戏：每场中，整个善良阵营都由同一个 AI 模型的副本组成，整个邪恶阵营也由另一个模型的副本组成。

 

你可以看到，这一年里模型进步了很多。2026 年发布的首个旗舰前沿模型是 2 月推出的 Claude Opus 4.6。七个月后，也就是 9 月，GPT-6 Astra 发布；截至目前，它是 Blood on the Clocktower 表现最好的模型。这两个模型之间相差约 430 个 Elo 分。这意味着 Astra 对阵 Opus 4.6 时，大约能赢下 92% 的游戏。这说明，甚至就在过去几个月里，模型在长期连贯性、多智能体协作和策略推理方面都进步了很多。

 

不过，只看基准成绩的提升，很容易忽略真正的重点。我最受触动的，其实是亲眼看到这些模型做出的一些操作。我举几个例子。

 

**这一局中，GPT-6 Astra 扮演邪恶阵营，Claude Opus 5.5 扮演善良阵营。**

 

恶魔，也就是 Astra 队伍里的邪恶首领，自称是调查员。调查员是一个善良角色，可以查出哪些玩家可能属于邪恶阵营。恶魔的一名邪恶爪牙拥有一种能力：即使这名爪牙死了，也仍能帮助邪恶阵营。于是，这名爪牙建议恶魔把矛头指向自己。

 

“我可以牺牲，尤其是如果掘墓人能查到男爵身份，证实 Harper 的调查结果。” *[邪恶队友，私下耳语]*

 

于是，恶魔再次以调查员的身份行骗，善良玩家因此处决了这名爪牙。后来，一名真正属于善良阵营的玩家使用自己的能力，查出了这名被处决玩家的真实身份，并确认他确实是邪恶玩家。

 

“我是掘墓人。Alex 是男爵。所以 Harper 的调查结果是真的……” *[善良玩家，公开发言]*

 

在善良阵营看来，恶魔是个诚实的调查员，还用自己的能力帮他们除掉了一名邪恶玩家。结果，恶魔成了桌上最受信任的玩家，之后一直安然度过游戏，暗中逐个除掉所有善良玩家。直到最后，邪恶阵营获胜。

 

**好，接下来这局我也特别喜欢：Opus 5.5 扮演邪恶阵营，Claude Opus 4.6 扮演善良阵营。**

 

这局里有个善良角色叫圣徒。圣徒有一项特殊能力，或者说是一种缺陷：如果玩家投票处决圣徒，邪恶阵营就会立刻获胜。善良玩家通常会极力避免处决任何自称圣徒的人，因为那可能导致游戏直接结束。

 

“等等。第三天就有四个人准备处决一个自称圣徒的人——如果我判断没错，游戏会立刻结束。” *[圣徒，公开发言]*

 

游戏进行到一半时，在圣徒的推动下，村民正确锁定了真正的恶魔。但善良玩家不知道的是，游戏里有一名邪恶爪牙拥有一项秘密能力：如果恶魔死了，她就会取代他。她立刻看出了这个机会。

 

“如果 Jules 得到四票被处决，我就会变成小恶魔……镇上的人根本无从得知。” *[邪恶女继承者，私下推理]*

 

于是，这名邪恶女继承者没有为真正的恶魔辩护，反而加入了人群的声讨，还额外提出了一个建议。

 

“杀了他！他就是恶魔！……不过要是……” *[邪恶女继承者，公开发言]*

 

她说，如果处决之后游戏没有结束——按表面推断，这似乎说明刚才处决的玩家并非恶魔——那么接下来就该处决圣徒。因为这会强烈暗示那人其实不是圣徒，而是一个试图诱使大家处决善良玩家的邪恶玩家。

 

“如果今天处决了 Jules 而游戏没结束，Harper 的‘圣徒’身份就是最后一个解释不了的疑点。明天处决 Harper，别再找借口。” *[邪恶女继承者，公开发言]*

 

圣徒同意了这个安排，因为他也相信局势会朝着对自己有利的方向发展。他说：“成交。”就连真正的恶魔也知道自己马上要死了，仍用最后几句话布下陷阱。

 

“明天早上游戏如果没结束，记住撒谎的人是 Harper，大家要按约定办。” *[恶魔，公开发言]*

 

果不其然，真正的恶魔被处决了，但游戏没有结束，因为女继承者取代了他。真正的圣徒意识到自己马上就要被处决，于是向村民苦苦哀求。

 

“投票不处决 Harper，你们不会失去任何东西——明天 Kit 还在。投票处决 Harper，如果我是圣徒，游戏现在就结束了……别因为一个‘约定’就把游戏输掉。” *[圣徒，公开发言]*

 

但他的呼喊无人理会。村民投票处决了他，邪恶阵营获胜。

 

从排行榜上你会发现，OpenAI 最新的模型在这款游戏中的表现远胜 Anthropic。这种情况以前并非如此。就在 3 月，OpenAI 的 GPT-5.4 还落后于 Anthropic 的 Opus 4.6。在过去六个月里，从 GPT-5.4 到 GPT-6 Astra，OpenAI 的模型提升了 580 个 Elo 分，足以让 Astra 对阵 5.4 时赢下 97% 的游戏。

 

那么，OpenAI 的新模型具体在哪些方面进步这么大？它们获得了哪些能力？主要是它们现在更擅长扮演善良阵营。比如，Astra 和 Fable 5.1 的差距，在 Astra 扮演善良阵营时，远大于它扮演邪恶阵营时。

 

最大的差异是，OpenAI 的模型现在会更审慎地看待每一条证据，并结合前几天发生的一切进行整体判断；Anthropic 的模型则往往会直接相信别人报告的信息。我举个例子说明我的意思。

 

在接下来的设置中，Opus 5.5 对战 GPT-6.1。同一组角色分配进行了两次，两个模型每次互换阵营。因此，一场对局中 Claude 属于善良阵营，另一场中 GPT 属于善良阵营。

 

我们来比较这两局。在这个设置里，一名善良玩家的角色是猎手，他每局可以开枪一次，尝试杀死自己认为是恶魔的人。如果猜对，恶魔就会死。值得注意的是，进行到一半时，两局的进展完全相同：一局是 Opus 属于善良阵营，另一局是 GPT 属于善良阵营。猎手开始怀疑那名其实就是恶魔的玩家，并向他开枪，但什么也没发生，因为前一天夜里，邪恶阵营有人使用特殊能力封住了猎手的能力。

 

Claude 扮演善良阵营时，它们立刻接受了先前被怀疑的恶魔是清白的这一结论，毕竟那人没有死。

 

“Blair 已排除是小恶魔的可能。” *[善良玩家，公开发言]*

 

“Blair 肯定不是恶魔。” *[猎手本人，公开发言]*

 

然而，GPT 扮演善良阵营时，并不肯把这条证据当成定论。

 

“没打中的那一枪并不能证实 Blair 自称僧侣的说法。” *[善良玩家，公开发言]*

 

“在那一种情况中，这次失手排除了 Blair 是小恶魔的可能——但并非在所有情况中都如此。” *[善良玩家，公开发言]*

 

到了第二天，GPT 已经弄清楚发生了什么：邪恶阵营是故意破坏猎手能力的。

 

“给 Casey 下毒不可能只是碰巧猜中：那天夜里之前，Blair 和 Drew 已经把拥有猎手角色的人列入了候选名单。” *[善良玩家，公开发言]*

 

“在当晚有人中毒之后，还主动求别人开枪，并不能证明他清白。” *[善良玩家，公开发言]*

 

他们处决了真正的恶魔，赢下了游戏。

 

好，再来看一种更直接衡量 OpenAI 模型为何更擅长扮演善良阵营的方法。每天投票前，都会私下询问每名善良玩家：他们认为其他每位玩家是恶魔的可能性有多大。你可以看到，随着游戏推进，OpenAI 的模型比 Anthropic 的模型更准确、更快地锁定真正的恶魔。

 

我还探讨了几个自己感兴趣的问题。

 

如果所有玩家都变得更聪明，善良阵营会不会因此更有优势，因为只要足够聪明，即使证据不完美，也足以找出恶魔？还是邪恶阵营更占优势，因为只要足够聪明，总能靠说谎摆脱困境？

 

据我所知，似乎两种情况都不是。双方实力都变强时，邪恶阵营的胜率似乎略有下降，但这个变化太小，无法与随机波动区分开来。这对 Blood on the Clocktower 这项评测来说是个好消息，因为它不像其他基准测试那样可能很快达到饱和。这是因为评测标准由不断推出的其他强大模型来决定。

 

为了得到简洁明了的基准分数，我让 AI 组成的队伍全部由同一模型的副本构成。但如果 AI 和其他 AI 混编成队伍，表现会怎样？它们的分数会不会反而上升，因为不同模型各有不同的偏见，这种多样性或许能让团队受益？我没有特别严谨地检验这个问题。其他问题已经消耗了远超我原本打算投入这个项目的 API 额度。不过，我确实做了一个小实验：让一支由一半 Opus 5.5 和一半 GPT-5.6 Sol 组成的队伍，与不同的顶尖模型对战了约 130 局。这个混编队伍的表现其实略差于单一组成模型的队伍，不过差异没有达到统计显著水平。

 

不过，我提出的这些问题只是这款游戏环境可以研究的问题中的一小部分。欢迎你[使用我的代码](https://github.com/dwarkeshsp/clocktower)，亲自研究这些问题。

 

顺便说说搭建这个环境的过程，因为它还挺有意思的。在真实游戏中，有一位人类说书人负责主持全局；遇到棘手情况时，他有时会运用自己的判断，把模棱两可的局面引向最戏剧性的结局。我不希望这种偏向出现在本来要用作基准测试的环境中。因此，我用程序化说书人取代了人类说书人，它本质上就是一张概率表。游戏规则允许出现的任何结果仍然可能发生，但概率由人工或 AI 手动设定，以匹配有经验的人类说书人通常会做出的判断。

 

设定这些概率，以及构建游戏引擎的其他部分，包括私下交谈和公开讨论的具体规则，是个很有意思的过程。我花掉的大量 API 额度都用在反复调整设计上，目的是做出公平、平衡的测试框架。

 

你可能猜得到，实际编程工作是由 AI 完成的；但它们最后承担的工作比我预想的还多。当然，我也得提供作为人类玩家的判断：我曾和其他人类对战，因此知道合理的规则应该带来什么样的玩法。

 

不过，大部分工作，甚至大部分需要判断的工作，都是 Claude 完成的。Claude 会修改环境中的某个部分，然后启动几十场由各种不同模型参加的游戏。接着，它会让自己的一组并行子智能体逐场阅读所有游戏，并报告是否发生了不真实或不公平的情况，或者游戏是否过度偏向善良阵营或邪恶阵营。之后它再修改设计，重新跑完这一整套流程。看，这些都是很基础的编程工作，但我还是很惊讶模型竟然能独立完成得这么好。

 

这个游戏环境经历了 20 多轮这样的修改。其中有几轮，我完全没有参与，等几轮改动已经尝试并验证过后才知道；有时是因为我睡着了，赶上了夜间工作，有时是因为我在做日常工作——不知为何，这工作甚至比制作 Blood on the Clocktower 游戏环境还没意义。

 

我认为，所有这些 AI 辅助修改最终做出了一个干净、合理的环境，能稳定地产生有趣且真实的游戏；当然，模型本身能把这类游戏玩到什么程度，也会限制其效果。

 

我觉得这件事有意思，是因为我在这里做的事情和构建一个强化学习环境并没有太大不同。如果 AI 现在能构建这些游戏引擎，甚至能根据自己在虚拟世界中的体验来改进引擎——而这些体验来自数百次并行运行——那么我们有理由认为，AI 在构建和改进用于训练它们的强化学习环境方面也进步了很多。

 

顺便说一下，我写这个视频脚本时才发现，已经有几个人各自独立做出了一个[类似的 Blood on the Clocktower 基准测试](https://www.lesswrong.com/posts/4pgGkbwvdmxKPcJsM/bench-on-the-clocktower)，并在大约一个月前发布于 LessWrong。我做自己的项目时没看到他们的工作，但想在这里提一下。他们用自己的方式构建了完全不同的环境，也做了我没做过的实验，因此有不少有趣的结果，值得去看看。总之，扯远了。

 

如果你想用我的代码做自己的实验，下面是一些我没来得及探索的想法。

 

你可以做的一件事，是把这个环境扩展到不同的剧本。Blood on the Clocktower 游戏盒里附带四个不同的剧本，也就是说，四套不同的角色库。此外，游戏爱好者还自行创作了其他剧本，我这里还没算进去。这个环境只用了一个叫《Trouble Brewing》的剧本。你也可以把其他剧本加入环境。这些剧本往往更复杂，也更古怪。比如，有个剧本里有一种叫“疯子”的角色。这个善良玩家会被告知自己是恶魔。因此，如果你被告知自己是恶魔，就得开始筹划邪恶计谋，以防自己真是恶魔；但你也得琢磨，自己是不是正被邪恶阵营施展煤气灯操纵。

 

另一个可以探索的问题是，模型随着时间推移能否学会更多东西。撇开它们从训练数据和系统提示中了解到的游戏信息不谈，它们基本上每局都是从零开始。它们不会像那些痴迷于这款游戏、不断积累经验的人类玩家一样，逐渐学会哪些策略有效，以及遇到类似情况时下次该怎么做。但如果它们也能积累这种经验呢？比如，让它们在上下文窗口中保留最近 10 局游戏记录。如果放不下，可以保留这些游戏的摘要和主要经验教训。这样你就可以问：上下文中带着 10 局游戏记录的 Opus 5.5，Elo 分数比刚开始游戏的 Opus 5.5 高多少？到那时，你还可以提出上百个问题。

 

一个问题是：如果团队中只有一名玩家变聪明了，整个团队能提升多少？善良阵营和邪恶阵营的答案是否不同？

 

你还可以更严谨地开展混编队伍实验。我只用一对模型做了实验，但显然可以在更多模型中系统地测试，包括同一家公司的模型，以及不同公司的模型。

 

我还有个好奇的问题。我搭建这个环境时，队伍中的每个玩家都是同一模型的副本。你可能会以为，AI 可以通过检查谁的写作风格和自己相似，来猜出谁是队友。但在我目前用现有模型跑过的所有游戏中，没有 AI 用过这种方法来判断队友身份。未来的模型会不会改变这一点？我不知道，不过值得留意。

 

最后一个我想继续探索的问题完全不需要编程：就是看看人类和这些 AI 对战时会怎样。当前的模型对上人类玩家表现如何？你可以和朋友们聚在一起，和这些 AI 对战，看看自己面对当今最强模型时能否持续获胜，还是总会输。[我搭建了一个网站](https://play.clocktowerbench.com/)，让你可以直接这么做。更准确地说，是 AI 搭建了这个网站，不过我给了它们 API 密钥。在网站上，你可以使用与 AI 本身相同的界面和交流渠道来玩游戏。

 

在同一个网站上，我还提供了所有对局记录，方便你浏览观看。如果你想看它们对战，可以去 [clocktowerbench.com](https://clocktowerbench.com/)看看；有新模型推出时，我也会在那里发布基准测试的更新。

 

这期视频比我平常的视频随笔更轻松随意，不过我做得很开心，也希望你听得开心。

 

**邪恶计谋**

 

- - **下毒的处女测试（GPT-6.1 Sol 扮演邪恶阵营）。** 处女是一个善良角色：任何善良玩家提名她时，她都会立刻揭穿对方。邪恶阵营前一晚给处女下了毒，使她的能力失效，然后引导一名诚实的善良玩家去“测试”她。什么也没发生，于是村民认定测试者在说谎，并处决了他。“今天处女不会触发，所以让一名善良镇民测试 Blair，可以制造怀疑。”
 
- - **间谍与投毒者联手（GPT-6 Astra 扮演邪恶阵营）。** 一名邪恶玩家能看到每个人的角色，另一名每晚都能破坏一名玩家的能力。他们联手每晚都给一名善良调查员提供假结果，并安排在终局投票时处决圣徒——唯一一个被处决就会导致游戏失败的玩家。
 
- - **被利用的醉汉（Opus 5.5 扮演邪恶阵营）。** 一名善良玩家其实是“醉汉”：他以为自己有调查能力，但得到的结果都是假的。邪恶阵营查明了他的身份，故意让他活着，好让他继续用假信息误导村民，最终还让村民处决了自己的圣徒。
 
- - **牺牲两名队友，靠人数取胜（Opus 4.7 扮演邪恶阵营）。** 一名邪恶队友在最后关头被逼入绝境，于是公开宣称“我是小恶魔”，造成平票；平票意味着不会有人被处决。那天夜里，真正的恶魔杀死了自己的队友，因为唯一还活着的善良玩家杀不死，于是邪恶阵营凭人数优势获胜。同一局的早些时候，恶魔还假装要对自己的队友开枪，借此装无辜（“没错，朝我开枪。”）。
 
- - **栽赃死者的邪恶阵营（Fable 5 扮演邪恶阵营）。** 为了推翻一名善良玩家提供的真实信息，邪恶阵营编造了一个游戏中根本不存在的邪恶角色。这招奏效了：村民先后处决了自己的市长和圣徒。

 

**善良阵营的精彩表现**

 

- - **因她知道太多而露馅（GPT-6 Astra 扮演善良阵营）。** 一名能暗中查看所有人角色的邪恶间谍，私下随口提起了一名善良玩家的角色。但那名善良玩家只告诉过两个人。“是谁告诉你我具体是什么角色的？”他立刻反问。间谍私下推理道：“我不小心说漏嘴，让对方知道我知道 Kit 的角色——得想个说法圆过去。”他当众拆穿了她的说辞，村民处决了她，第二天恶魔也被揪了出来。
 
- - **故意打成平票（Opus 5.5 扮演善良阵营）。** 市长是一个善良角色：如果只剩三名玩家且无人被处决，市长就会直接获胜。村民不确定谁是恶魔，于是故意把选票分成完全相同的两边。无论恶魔是谁，这样都能获胜：“正好三人：Gray、Logan、Blair。其他人都投不处决。” Opus 5.5 用这个办法赢了两局。
 
- - **同一招数，结果相反（GPT-6 Astra 对阵 GPT-6.1 Sol）。** 邪恶阵营在最后关头被逼入绝境，同时打出了两张孤注一掷的牌：恶魔突然自称“其实我是市长”，它的队友则假装开枪击杀恶魔，试图“证明”恶魔清白。Astra 阵营中已经死去的市长反击道：“第一天 Casey 私下听到的市长身份说法，和我说的一模一样。”在同样的局面中互换阵营后，Sol 阵营的村民却处决了自己的市长，输掉了游戏。
 
- - **识破两次交接（Fable 5.1 扮演善良阵营）。** 邪恶阵营两次把恶魔身份转交给队友。善良阵营几乎犯下了所有可能犯的错，却还是通过清点角色，弄清恶魔换成了谁，并在最后关头将其抓了出来。

 

AI 翻译；具体表述请与原文对照。
