CaM-Wolf：面向社交演绎游戏的因果感知多模态智能体

CaM-Wolf 是首个面向社交演绎游戏（如 Werewolf）的多模态 AI 代理。它通过处理其他玩家的视频输入，利用强化学习训练的因果感知推理器将可观察行为与隐藏角色建立逻辑链，并以动画化身呈现自身。实验和用户研究表明，CaM-Wolf 在游戏表现和人类-AI 交互质量上均优于现有纯文本方法。

此前社交演绎游戏 AI 完全基于文本，忽略了人类社交中多模态线索（如表情、动作）的重要性。CaM-Wolf 首次整合视频感知与因果推理，使代理能像人类一样捕捉非语言信号，更接近真实社交互动。

CaM-Wolf 通过视觉模块提取玩家行为特征，再由因果感知 Reasoner（经强化学习训练）将这些特征与隐藏角色身份建立概率因果链，从而推断他人意图。同时，它使用动画化身进行双向多模态呈现，形成观察-推理-表达闭环。

该研究为游戏 NPC、虚拟角色或社交 AI 助手提供了多模态社交能力的技术原型。若转化为产品，可显著提升用户对 AI 的信任感和交互沉浸度，但作为学术论文，短期内无直接产品落地。

• 为狼人杀等社交推理游戏开发具有视觉感知的人类级 AI 对手或队友。
• 将因果感知推理集成到虚拟客服或教育助手中，通过用户表情/动作动态调整回应策略。
• 赋能远程协作工具中的虚拟角色，使其能基于参与者非语言信号进行更自然的互动。

• CaM-Wolf 在除 Werewolf 外的其他社交演绎游戏或真实多模态场景中的泛化能力如何？
• 训练 Reasoner 所需的强化学习数据规模和计算成本是否可商业化？
• 用户研究的样本量及实验设计是否足以排除随机性和环境偏差？