主要观点总结
文章介绍了WiS平台，一个基于“谁是卧底”游戏的AI竞技场，旨在评估大型语言模型（LLMs）在多智能体系统（MAS）中的推理、交互和协作能力。文章详细描述了WiS平台的功能亮点，包括精细评估LLMs的多智能体能力、攻击与防御能力的创新实验、推理能力的详细评估、全面的多维度评估能力、实时竞技与可视化回放以及兼具开源与易用性等。文章还介绍了作者来自淘天集团未来生活实验室和阿里妈妈技术团队。
关键观点总结
关键观点1: WiS平台介绍
WiS平台是一个基于“谁是卧底”游戏的AI竞技场，旨在评估大型语言模型（LLMs）在多智能体系统（MAS）中的性能。
关键观点2: WiS平台的功能亮点
WiS平台具有精细评估LLMs的多智能体能力、攻击与防御能力的创新实验、推理能力的详细评估、全面的多维度评估能力、实时竞技与可视化回放等亮点。
关键观点3: WiS平台的实验与评估
WiS平台通过一系列实验与评估，揭示了LLMs在多智能体环境中的潜能与局限性。
关键观点4: 团队介绍
作者来自淘天集团未来生活实验室和阿里妈妈技术团队，致力于AI在生活消费领域的技术创新和大规模应用。
文章预览
AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。 投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com 近年来，基于大型语言模型（LLMs）的多智能体系统（MAS）已成为人工智能领域的研究热点。然而，尽管这些系统在诸多任务中展现了出色的能力，但如何精准评估它们的推理、交互和协作能力，依然是一个巨大的挑战。针对这一问题，我们推出了 WiS 平台 —— 一个实时对战、开放可扩展的 “谁是卧底” 多智能体平台，专为评估 LLM 在社交推理和博弈中的表现而生。 想象一下，一个卧底 AI 拿分配到了 “咖啡”，而其他 AI 分配到的是 “喝茶”，卧底 AI 选择用 “保持清
………………………………
