HuggingFace论文：具身VLM智能体联合言语与非言语欺骗研究

大语言模型（LLM）和视觉语言模型（VLM）智能体的战略性欺骗已成为人工智能对齐与安全领域的核心关切。社交推理游戏（每位玩家持有隐藏身份，并通过交流推断彼此身份）作为经典测试平台，尤其在多智能体场景中备受重视。然而，现有测试平台仅支持文本交互，且运行于单一固定的智能体配置上，忽略了欺骗分类法中视为核心的非言语感觉运动通道，使得观察到的行为究竟反映的是底层模型还是周围框架（harness）的影响仍不明确。我们推出了 MineAmongUs，这是一个基于《Among Us》的 3D 多模态沙盒环境，其中冒充者智能体必须通过言语与非言语动作的结合来欺骗船员。我们还提出了 ARIA，一个可配置的 VLM 智能体框架，暴露了五个认知组件消融轴；以及一种基于欺骗分类法的原子级与弧级标注方案，并通过“以 LLM 为裁判”的方式实现了大规模操作化，其原子标签一致性接近人类水平。实证结果表明，VLM 智能体通过结合言语与非言语欺骗来实现冒充者胜利，且在框架消融实验和跨 VLM 评估中，非言语通道成为更关键的获胜因素。综上所述，我们的工作为具身 VLM 智能体对齐研究开辟了新路径。