EMNLP 2026｜GPT 也不会「读空气」，狼人杀基准 MIDA 测出大模型社交盲区

东京大学提出多模态欺骗评估基准 MIDA，通过狼人杀测试 GPT、Gemini、Claude 与 Qwen 等模型的社交欺骗判断能力。实验显示大模型难以可靠辨别谎言，排除中性发言后 GPT-4o 的真假二分类准确率仅 27.6%，Qwen2.5-VL-7B 对假话的 F1 值为 0。