让大模型实时玩“胆小鬼”博弈：没有奖励矩阵，它们会先让道吗？

我最近撞见一个挺有意思的活儿。研究者把大模型扔进了一个实时的“胆小鬼博弈”沙盘。没有明确的奖励矩阵，还要算上网络延迟，它们怎么决定是猛冲还是转向？更夸张的是，它们甚至能互相通气。每个模型都在独立的循环里紧盯着速度和撞击倒计时。我的判断很明确：这种脱离传统强化学习固定奖励的玩法，才是真正拷问大模型动态决策能力的试金石。与其让它们死记硬背剧本，不如直接把方向盘交出去，看看在生死攸关的毫秒间，算法究竟做出了什么样的博弈选择。

原文：Show HN: LLMs Play Chicken in Realtime · 来源：Hacker News