会玩《among us》的AI，杀人时会不会心虚地回头看一眼
先说一件挺离奇的事。
研究者们让一群AI去玩《among us》（一款社交推理游戏，通常译作"太空狼人杀"），角色分工是几个"内鬼"假装成普通船员，暗中干掉其他人，剩下的船员要通过开会讨论找出内鬼。结果这些AI玩得相当投入。它们会在杀人前先扮演一个正在认真做任务的普通船员，杀人前还会回头看一眼有没有人在附近，杀完之后会假装若无其事地走开，甚至有的AI会主动跑去"报警"，说自己刚刚发现了尸体，用这种方式把自己包装成第一个发现案情的无辜者。
这不是编的剧情，是真实的实验记录。而这篇论文想搞清楚的问题是：这些行为到底算不算AI在"说谎"？如果算，它们撒谎的方式和以前我们知道的AI撒谎，有什么不一样？
**过去研究AI撒谎，几乎全部盯着它说的话，没人管它做的事。**
这是这篇论文最先戳破的一个盲点。之前学界研究AI在社交推理游戏里的欺骗行为，用的都是纯文字版的游戏环境，AI只能靠打字聊天来撒谎，没有身体，没有动作，没有"看一眼周围有没有人"这种行为。可现实里，人类撒谎从来不只靠嘴。心理学早就发现，两三岁的小孩在还不会说完整谎话之前，就已经学会了藏东西、故意留假线索这种"动作上的撒谎"。机器人研究里也有实验证明，一个机器人用动作作弊，比它用语言作弊，更容易让人觉得它"是故意的"。
换句话说，如果只研究AI嘴上怎么撒谎，等于只看了冰山露出水面的那一角。这篇论文的作者们觉得，得把AI放进一个既能说话又能行动的环境里，才能看到完整的欺骗行为。
于是他们造了一个叫**MineAmongUs**的东西。
> MineAmongUs：论文自己搭建的一个3D多模态实验场，把经典的《among us》游戏规则搬进了Minecraft（我的世界）里，让AI角色（用视觉语言模型驱动）真的用第一人称视角看世界、走路、攻击、开会讨论、投票。
为什么非得搬进Minecraft这种3D游戏世界？因为只有这样，AI才有"身体"，它才需要真的转过头去看看背后有没有人，真的需要靠近某个目标才能动手，真的要在杀人之后决定往哪个方向逃跑。这些动作本身就是一种表达，就像一个人做贼心虚地左右看一眼，这个动作已经把"心虚"这件事说出来了，根本不需要开口。
如果不搭这套3D环境会怎样？之前的文字版游戏里，AI的"非语言欺骗"这个维度是完全被阉割掉的，研究者只能看到聊天记录，看不到它藏在暗处的行动。这就好比只听一个人打电话，永远判断不出他脱下手套有没有戴戒指去偷东西。
让AI玩游戏也要讲究"公平的对照实验"
光有一个好玩的3D游戏世界还不够。论文作者们发现了第二个大问题：以前的研究几乎都是固定死一套AI的"配置"，就直接下场比赛，看输赢，然后得出结论说这个模型更擅长骗人。
这就像你想知道到底是运动员天赋决定比赛输赢，还是教练的战术决定输赢，结果只找了一个运动员、一套固定战术，比赛一场，然后就说这个运动员天赋异禀。这个结论根本站不住脚，因为你压根没排除掉战术这个变量。
论文提出了一套叫**ARIA**的可配置AI代理框架来解决这个问题。
> ARIA（Ablation-Ready Imposter/crewmate Agent）：一个专门为做对照实验设计的AI"大脑"框架，它把AI玩游戏时用到的五个认知模块（状态表示、记忆方式、规划方式、反思与技能积累、提示词风格）全部拆成独立可开关的旋钮，研究者可以单独调节某一个旋钮，看它对整体表现的影响。
这五个旋钮具体是什么，值得展开说说。
第一个旋钮叫"状态表示"，简单说就是AI能"看到"多远、多全。论文设了两档：一档叫"第一人称视角"，AI只能看见眼前视野里的东西，转身之后之前看到的信息就忘了；另一档叫"上帝视角"，AI能拿到整张地图上所有玩家的最后已知位置，即便看不见人，也知道他大概在哪儿。
实验结果相当戏剧性。当内鬼被限制成纯第一人称视角时，杀人数直接归零，游戏彻底玩崩了。
**这说明当前的AI，连"记住刚才在哪个拐角看见过一个人"这种基本的空间记忆能力都还没稳定掌握。**
这个发现值得多说几句。它其实揭示了一个挺让人意外的短板：我们总以为大语言模型已经很聪明了，能写代码能推理，但让它扮演一个游戏角色，靠纯粹的视觉去追踪一个移动目标，它却经常"跟丢了"。这就好比让一个下棋高手去跳广场舞，脑子里的推理能力再强，身体协调这件事完全是另一套本事，没法直接迁移过去。
正因为这个短板太明显，研究者才决定后续所有正式实验都默认给AI开"上帝视角"，这不是说身体感知不重要，而是现在的AI在这方面还没练出来，先把这个变量控制住，才能专心研究其他的行为模式。这算是这篇论文一个挺诚实的自我限制说明，作者没有回避这个问题，反而专门写了一节讨论"上帝视角"到底替代了什么、没替代什么，比如杀人前观察有没有目击者、发现尸体这些判断，仍然需要靠真实的画面来完成，不是靠文字坐标就能糊弄过去的。
第二个旋钮是记忆方式，分成"简单滑动窗口"（就记住最近几步发生的事）和"语义记忆"（专门用一个模型去追踪对每个玩家的怀疑程度，边玩边更新）。第三个旋钮是规划方式，分"每一步临时决定"和"先定长期战略再逐步执行"。第四个旋钮是反思机制，看AI开完会之后有没有能力总结经验、存进一个"技能库"里供以后参考。第五个旋钮是提示词风格，一种给足了详细的骗人战术范例，另一种什么都不教，只给游戏规则。
二十三种"骗术"，被拆解成了一张清晰的清单
光看输赢结果太粗糙了，作者们还想知道AI具体是怎么骗人的，骗术能不能被归类、被量化。
于是两位研究者盯着48局完整的游戏录像，一步一步地看AI在每一步做了什么、说了什么，试图总结出一套标准化的"骗术分类表"。两个人各自独立总结，事后再对照合并，最后归纳出**23种具体的欺骗行为**，论文里叫它们"原子欺骗行为"。
这23种行为又被归到6个大类里，其中3类是"非语言欺骗"（发生在游戏里的行动阶段），另外3类是"语言欺骗"（发生在开会讨论阶段）。
非语言那边包括"伪装"（比如假装认真做任务，或者假装自己只是随便逛逛），"追杀"（跟踪目标、确认没有目击者再动手、杀完就跑），还有"报案时机的操纵"（比如故意不报告尸体好继续找机会杀人，或者反过来主动自报案好把自己包装成清白的发现者）。语言那边包括"编造事实"（伪造不在场证明、反咬一口、编造目击证词）、"打太极"（说话模糊不清、用"我知道你会怀疑但是"这种话先自我承认一部分好换取信任）、"隐瞒"（说话故意留一手，或者投票和发言不一致）。
> 阿蒙-伯根欺骗理论（IDT）：一套专门分析语言欺骗的经典理论框架，把撒谎的方式分成三种，编造虚假信息、故意隐瞒真相、含糊其辞。这篇论文用它来给语言类的骗术分类。
为了让这套分类表能大规模用起来，人工一局局标注实在太慢，作者们训练了一个AI法官来自动打标签，这个AI法官叫**Qwen3.6-27B**。
> LLM-as-a-Judge：让一个AI模型来充当"裁判"，自动判断某段游戏行为属于哪种欺骗类型，替代人工逐条标注，好处是能大规模扩展，问题是判断准不准。
判断准不准，作者们专门做了验证。他们让两个人类各自独立标注同一批游戏录像，算出两人之间的一致程度，这个数值叫Cohen's κ，是0.792。然后拿AI法官的标注结果去和人类比，一致程度是0.709。这两个数字挨得比较近，说明AI法官的判断水平已经接近人类专家之间的默契程度，不算完美但足够可靠，可以放心地拿去做大规模标注。
作者们还额外找了一个完全没参与过这个项目、不知道这套23种分类的博士生，让他自己重新看几局游戏，独立总结出一套自己的分类。结果他总结出的16个类别，跟论文的23种原子行为高度重合，其中8种一一对应，另外一部分是把几种细分行为合并成了更粗的大类。
**这说明这23种骗术不是研究者硬凑出来的分类框架，而是真实存在于游戏行为里的、旁人一眼也能看出来的模式。**
这就好比让两个完全不认识的语言学家，各自独立去总结某种方言的语法规律，如果两人总结出来的规律基本重合，那说明这套规律不是某个人主观脑补的，而是这门方言本身确实存在这个结构。
三大发现：偷懒杀人、执行拖延症、以及非语言比嘴皮子更管用
把游戏日志和骗术标签对照起来分析后，论文得出了几个挺有意思的结论。
第一个结论关于"什么样的行为最能带来胜利"。作者算了每一种骗术出现的频率和内鬼最终获胜的相关性，结果排名最靠前的四种，全部来自非语言类别：确认没有目击者再动手、杀完立刻逃离现场、故意不报告尸体、提前跟踪目标。这四个动作串联起来正好就是一整套"杀人流程"，先跟踪，再确认安全，动手，然后跑。
反而是那种"打太极"和"隐瞒"类的语言技巧，跟胜率的关系几乎为零，有的甚至是轻微负相关。
**这说明在这个游戏里，光靠嘴皮子含糊其辞是没用的，真正决定胜负的是动手的时机和身体上的躲藏技巧。**
第二个结论更有实验设计的意味。研究者调整了ARIA框架里那五个旋钮，看哪种组合能让内鬼赢得更多。结果发现调"规划方式"这个旋钮时，出现了一个分歧：从"每步临时决定"换成"先定长期战略"之后，胜率提高了，但提高的方式不一样，这次不是靠杀人杀得更利索了，而是靠开会时编造更多复杂的假证词、假联盟。
换句话说，同样是提高胜率，不同的认知能力提升，走的是完全不同的路子，有的靠身手，有的靠嘴皮子。这就像两个学生同样考了高分，一个是靠平时刷题练出的手速，一个是靠临场编故事的口才，表面结果一样，内在机制截然不同。
第三个结论来自跨模型比较，研究者拿了12个不同的AI大模型，让它们两两对战，同时扮演内鬼和船员的角色。
结果发现，一个模型如果当内鬼表现出色，它当船员时通常也表现出色。
**这说明决定胜负的更多是模型本身的综合能力，而不是"这个模型天生擅长撒谎"或者"这个模型天生擅长识破谎言"这种角色专属技能。**
而在赢家和输家之间，区分度最大的一个行为叫"假装做任务"，表现最好的三个模型平均每局要假装做任务12.64次，表现最差的三个模型只有1.91次，差了整整6.6倍。这也再次印证了前面的发现，非语言的伪装行为，比语言上的花言巧语，在这个游戏里更管用。
不过研究者也发现，赢家里面并不是只有一种打法。有的顶尖模型（比如Gemini-3系列）主要靠"假装做任务"这种非语言伪装取胜，另一个顶尖模型（Kimi-K2.5）却主要靠开会时编造精巧的假证词取胜。**两条路都能通向胜利，说明成功没有唯一的标准答案。**
一个小尝试：用"克隆学习"训练出一个高效的抓内鬼选手
论文最后还做了一个挺实用的延伸实验。既然内鬼和船员的能力是绑在一起的（会骗人的模型也擅长抓骗子），那如果想训练一个专门擅长"抓内鬼"的小模型，是不是必须先把整个模型练得又大又强？
作者们试了一种叫**行为克隆**的训练方法，说白了就是让一个小模型（9B参数规模，相对小巧）去模仿大模型高手的游戏录像，学人家怎么玩。
他们试了三种筛选训练数据的方式。第一种只挑"赢了的整局游戏"来学，结果小模型的胜率大幅提升，但抓内鬼的准确率没提高，它更多是靠埋头完成任务混到游戏结束赢的，不是真的靠识破了骗局。第二种只挑"投票投对了"的那些瞬间来学，用的训练数据量只有第一种的六分之一，结果抓内鬼的准确率明显提高了，但整体胜率提升不多。第三种把两批数据合在一起训练，结果是一个相对均衡的选手，胜率和识破能力都有提升。
这个结果挺有意思，它说明**"赢"和"识破谎言"其实是两种不同的能力，训练数据选得不一样，练出来的技能侧重点也完全不同**。这就好比健身房里，练举重和练马拉松用的训练计划完全不一样，虽然两者都叫"变强"，但强的方向天差地别，你不能指望举重冠军自动就能跑赢马拉松。
写在后面
读完这篇论文，最让我意外的不是AI会骗人这件事本身，毕竟这早就不新鲜了。真正让我停下来想了想的，是那个"限制成第一人称视角后杀人数直接归零"的实验结果。
这个细节暴露了一件我们容易忽略的事：现在讨论AI的"智能"或者"欺骗能力"时，我们默认参照的都是它的语言推理能力，写代码、做数学题、编故事,这些都是纯符号世界里的本事。可一旦把AI放进一个需要持续追踪空间位置、需要"记住那个人刚才往左边走了"的具身环境里，它立刻暴露出短板。这提醒我，我们对AI能力的评估体系，可能一直在用"考卷"衡量一个需要"身体协调"的任务，衡量标准本身就有偏差。
另一个让我反复咂摸的地方，是那个"假装做任务"行为的6.6倍差距。这个数字比"编造假证词"这类更戏剧化的骗术差距更大。这多少有点反常识,通常我们会觉得，那种巧舌如簧、编故事的能力才是"高级欺骗"，而假装认真干活这种事看起来太朴素了。但恰恰是这种朴素的、持续的、几乎不起眼的伪装行为，才是真正决定胜负的关键。这让我想起现实里那些真正的骗局，往往靠的不是一次精彩的谎言，而是长年累月维持一个看起来毫无问题的日常表象。
这篇论文没解决的问题也挺明显：它测的所有欺骗，都被绑定在一个游戏的具体规则里，杀人、报案、投票，这些行为本身自带明确的胜负标准。真实世界里的欺骗要模糊得多，没有清楚的"赢"或"输"，也没有一个AI法官帮你打分。从游戏世界里练出来的这套骗术分类和检测方法，能不能迁移到那种更开放、更没有明确规则的人机交互场景里，这才是真正让人好奇、也让人有点不安的问题。
Q&A
Q1：MineAmongUs是什么？
A：MineAmongUs是研究团队搭建的一个3D多模态实验环境，把《among us》（太空狼人杀）游戏规则搬进Minecraft里，让AI用第一人称视角真实地行走、攻击、开会讨论，从而同时观察AI的语言欺骗和非语言（行动上的）欺骗。
Q2：为什么限制AI只能用第一人称视角后，游戏就玩不下去了？
A：因为当前AI在纯第一人称视角下，无法稳定记住之前看到的目标位置，一旦目标转身或走远就"跟丢了"，导致杀人数直接归零，整个游戏节奏彻底崩溃，因此实验默认给AI开放全地图的位置信息作为补偿。
Q3：论文发现AI靠什么行为最容易赢得游戏？
A：论文发现非语言的行动类骗术比语言技巧更关键，比如动手前确认没有目击者、杀人后立刻逃离现场、故意不报告尸体、提前跟踪目标，这几种行为跟胜率的相关性最高，而含糊其辞类的语言技巧几乎没有帮助。