信息来源：人工智能治理研究院 发布日期：2025年11月25日

在小说阅读器中沉浸阅读        2025年11月19日，中国人民大学人工智能治理研究院举办第十二期“人工智能治理沙龙”，邀请美国北卡罗来纳大学教堂山分校计算机科学系博士后研究员段金昊博士带来主题分享，深入解析大模型在博弈场景中的能力边界、评估体系与增强路径。本次沙龙由中国人民大学公共管理学院副教授、人工智能治理研究院研究员仲浩天主持。

1

博弈场景的界定与核心特征

段金昊博士的分享主题聚焦于大语言模型在博弈任务中的运用，涵盖决策正确性对比和推理能力提升两大核心展开。他指出，当前大语言模型的主流应用多集中于“非博弈场景”，对“博弈场景”下大模型应用潜力的挖掘还存在较大空间。段博士通过列举网络攻防、棋牌游戏、城市治理等典型的博弈场景，具体阐释了博弈场景的三大核心特征：涉及多个智能体互动、决策结果依赖多方行动、参与者存在利益冲突。引发师生对大模型进一步增强多主体交互能力从而落地政策谈判、安全防御等高价值场景进行思考。

2

GTBench：大模型博弈能力的评估框架

为系统评估大模型的博弈能力，段博士团队构建了覆盖十种典型博弈任务的GTBench评估基准，包含井字棋、德州扑克、囚徒困境、竞拍游戏等多元场景，并从“是否为零和博弈”“是否存在先发优势”“完美信息与不完美信息”“动态与静态博弈”“概率性与确定性博弈”五个维度对博弈任务分类。

评估过程中，团队将棋牌状态转化为文本信息输入大模型，通过提示词引导模型决策，并设计正确性验证机制保障流程顺畅。评估设置兼具灵活性，既支持大模型与蒙特卡罗树搜索求解器博弈，也允许大模型之间直接对抗。基于GTBench的实验得出核心发现：在完全信息确定性博弈中，求解器通过遍历所有棋局状态可接近最优策略，大模型难以匹敌；但在非完全信息动态概率性博弈中，大模型却能凭借更丰富的心理博弈策略胜过求解器。此外，研究结果还表明：在大模型之间的横向比较中，闭源模型整体表现优于开源模型，基于数学或代码的大模型预训练可显著提升模型博弈能力。

3

大模型博弈的错误类型与归因分析

通过人工复盘大模型在棋局类博弈场景中的表现，段博士团队归纳出“错误解读局势”“计划正确但执行错误”“对局势判断过于自信”“计算错误”“终局误判”五类大模型博弈的错误类型。其中“终局误判”和“错误解读局势”的占比最高，这也解释了为何思维链等高级推理方法难以显著提升大模型博弈性能。

总体而言，大模型在空间理解、记忆、合法操作识别等感知类任务中表现优异；但在处理优先级排序、终局识别、构建封锁或分叉策略等策略性推理任务中能力薄弱，接近随机猜测水平，这也成为制约大模型博弈性能的核心瓶颈。

4

递归前瞻思维：大模型博弈能力的增强路径

针对大模型在策略推理上的短板，段博士团队在研究中提出“递归前瞻思维机制”。该方法类比人类顶尖棋手的思考模式，基于博弈论中的极大极小博弈思想，通过两大核心步骤提升大模型性能：一方面，让大模型预设假想敌，模拟其所有可能动作并展开搜索树；另一方面，为每个终局状态设置奖励信号，通过回溯优化当前策略，在最坏情景下实现自身收益最大化。实验证明，这一机制在棋局类、扑克类等博弈场景中效果显著，有效弥补了大模型的策略推理缺陷，为提升复杂场景下的决策合理性提供了新路径。

5

跨学科互动交流

讲座后的互动环节，师生围绕研究落地与跨学科融合展开热烈讨论。仲浩天老师提问：如何解读大模型博弈过程中的决策逻辑，以更好地制定干预策略？段博士回应，思维链输出的中间解释可部分揭示模型决策原因，虽无法完全等同于真实决策过程，但能为理解模型行为提供重要参考。

针对非计算机学科研究者能否直接应用相关方法的问题，段博士表示，现有工作针对游戏类场景的成果可直接复用，但现实博弈场景更为复杂，跨学科研究者可借鉴研究中数据训练优化、模型评估逻辑等核心思路，若需解决具体问题则需专门设计适配工具与框架。

6

总结与展望

本次沙龙通过段金昊博士的系统分享，清晰勾勒了大模型从“语言生成器”向“博弈智能体”演化的潜在路径，为跨学科理解大模型博弈能力提供了全新视角。无论是GTBench评估基准的构建，还是递归前瞻思维机制的创新，都为后续研究奠定了重要基础。

中国人民大学人工智能治理研究院也将持续聚焦大模型在复杂决策场景中的应用与治理问题，搭建跨学科交流平台，推动前沿技术与社会科学的深度融合。