研究人员推出了CoC-Seduce，这是一个多智能体对抗性基准测试，旨在评估半开放文本游戏环境中对规则的遵守情况，其中用户意图可能与系统规则发生冲突。该研究突出了“修辞注入”攻击，这些攻击利用叙事框架技术（如伪逻辑推理和权威胁迫）来绕过裁决逻辑。

  • GPT-5.4、Claude Sonnet 4.6 和 Gemini 3.5 Flash 作为对抗性生成器，在4个世界设置和16个技能类别中产生了5,376个样本。
  • 该基准测试针对此语料库评估了20个目标裁决器，以测试鲁棒性。
  • 评估结果表明，模型规模或显式推理机制并不能可靠地赋予裁决鲁棒性。
  • 伪逻辑成为主导攻击向量，而跨文化设置暴露了所有被评估家族中的系统性知识差距。

研究结果表明，尽管当前前沿模型在规模或推理能力方面表现出色，但它们仍然容易受到特定修辞操纵技术的影响。