CaM-Wolf는 늑대인간(Werewolf) 같은 소셜 디덕션 게임에 특화된 멀티모달 AI 에이전트로, 다른 플레이어의 영상 입력을 처리하고 강화학습으로 학습된 인과 인식 추론기를 통해 관찰 가능한 행동과 숨겨진 역할 사이의 논리적 연결고리를 구축한다. 또한 애니메이션 아바타로 자신을 표현해 인간과의 상호작용 품질을 높인다. 실험과 사용자 연구 결과 기존 텍스트 기반 에이전트보다 우수한 게임 플레이 성능과 인간-AI 상호작용 품질을 보였다. 이는 소셜 추론 AI 연구가 텍스트 중심에서 멀티모달로 확장되는 흐름을 보여주는 사례다.
- •소셜 디덕션 게임을 위한 최초의 멀티모달 인지·생성 통합 에이전트 CaM-Wolf 제안
- •강화학습 기반 인과 인식 추론기로 행동과 숨겨진 역할 간 논리적 연결 구축
- •애니메이션 아바타를 통해 자신을 표현하며 인간-AI 상호작용 품질 향상
- •실험·사용자 연구에서 기존 텍스트 기반 에이전트 대비 우수한 게임 성능 입증
- •ACMMM 2026 논문으로 채택, 코드 공개
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
CaM-Wolf: Causal-Aware Multimodal Agents for Social Deduction Games
본문 미리보기
arXiv:2607.26393v1 Announce Type: new Abstract: Social deduction games (SDGs) such as Werewolf have become challenging testbeds for AI agents. These games require complex social skills such as reasoning, deception, and collaboration. While recent advances in large language models (LLMs) have driven significant progress in SDG agents, current approaches are predominantly text-based, overlooking the multimodal nature that is fundamental to human social interaction. To bridge this gap, we introduc
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:49AI 초안
