超越成功对弈：诊断大语言模型中的对手建模能力

研究团队提出一个针对重复捉迷藏游戏的基准与诊断框架，用具有明确递归信念更新的算法对手，区分自适应对弈、动作预测与信念追踪三种能力。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，而显式信念报告与自生成记忆未能稳定改善预测。