Pesquisadores apresentam o CoC-Seduce, um benchmark adversarial multiagente projetado para avaliar a aderência às regras em ambientes de jogos textuais semiabertos onde a intenção do usuário pode conflitar com as regras do sistema. O estudo destaca ataques de "Injeção Retórica" que exploram técnicas de enquadramento narrativo como raciocínio pseudo-lógico e coerção autoritária para contornar a lógica de adjudicação.
- GPT-5.4, Claude Sonnet 4.6 e Gemini 3.5 Flash atuam como geradores adversários produzindo 5.376 amostras em 4 configurações mundiais e 16 categorias de habilidades.
- O benchmark avalia 20 adjudicadores-alvo contra este corpus para testar a robustez.
- A avaliação revela que nem o tamanho do modelo nem os mecanismos de raciocínio explícito conferem confiavelmente robustez na adjudicação.
- A pseudo-lógica emerge como o vetor de ataque dominante, enquanto configurações interculturais expõem lacunas sistemáticas de conhecimento em todas as famílias avaliadas.
As descobertas indicam que os modelos de fronteira atuais permanecem vulneráveis a técnicas específicas de manipulação retórica apesar de seu tamanho ou capacidades de raciocínio.