Ethical Considerations of Large Language Models in Game Playing

文章总结与翻译

一、文章主要内容

本文以“狼人杀”（Werewolf/Mafia）为案例，聚焦大型语言模型（LLMs）在游戏场景应用中的伦理问题，重点探究性别偏见对游戏公平性与玩家体验的影响，具体内容如下：

1. 研究背景与核心问题：LLMs（如GPT-4、GLM-3等）已广泛应用于问答、推理、内容生成及游戏等领域，在狼人杀等社交推理游戏中能通过语境理解实现策略决策，但目前其伦理隐患（如偏见传播）未得到足够关注。核心研究问题围绕“性别信息如何影响LLM智能体的行为”展开，拆解为三个任务：
   • (T_1)：未告知性别信息时，LLM智能体行为是否改变；
   • (T_2)：若行为改变，LLM智能体更倾向表现出男性、女性特征还是中性特征；
   • (T_3)：其他玩家性别信息变化如何导致LLM智能体决策或推理差异。
2. 研究方法与实验设计：
   • 案例选择：选择狼人杀作为实验场景，因其需复杂推理、社交互动与策略欺骗，能模拟真实社会情境下的决策环境，且角色（狼人、村民、预言家、守卫）功能明确，便于控制变量。
   • 实验设置：共7名LLM智能体参与游戏（3村民、2狼人、1预言家、1守卫），采用GLM-3作为基础模型，确保各角色性别分布均衡，模拟96组实验以获取充足数据；设计三种关键场景（(s_1)：夜间角色技能使用，如狼人杀人、守卫保护；(s_2)：白天玩家信任评估；(s_3)：白