Los investigadores presentan CoC-Seduce, un benchmark adversarial multiagente diseñado para evaluar el cumplimiento de reglas en entornos de juegos textuales semiabiertos donde la intención del usuario puede entrar en conflicto con las reglas del sistema. El estudio destaca ataques de "Inyección Retórica" que explotan técnicas de encuadre narrativo como el razonamiento pseudo-lógico y la coerción autoritaria para eludir la lógica de adjudicación.
- GPT-5.4, Claude Sonnet 4.6 y Gemini 3.5 Flash actúan como generadores adversarios produciendo 5.376 muestras en 4 configuraciones mundiales y 16 categorías de habilidades.
- El benchmark evalúa a 20 adjudicadores objetivo contra este corpus para probar la robustez.
- La evaluación revela que ni el tamaño del modelo ni los mecanismos de razonamiento explícito confieren fiablemente robustez en la adjudicación.
- La pseudo-lógica emerge como el vector de ataque dominante, mientras que los entornos interculturales exponen brechas sistemáticas de conocimiento en todas las familias evaluadas.
Los hallazgos indican que los modelos de vanguardia actuales siguen siendo vulnerables a técnicas específicas de manipulación retórica a pesar de su tamaño o capacidades de razonamiento.