博弈论框架让LLM学会反制电话诈骗

01 摘要

研究将电话诈骗者与自动反诈 baiting 代理的交互建模为双人博弈，策略与效用函数有实证依据，并以纳什均衡作为学习行为的正式基准。在300段模拟对话和三种LLM架构上，自适应策略选择比非自适应基线更接近纳什均衡，提升幅度为28.9%至79.7%。作者认为这为无需微调的LLM动态反制策略提供了可行框架，并公开了代码和带轮次策略标签与效用分数的数据集。

02 关键点

1. 框架将诈骗者与baiting代理的交互建模为双人博弈，策略与效用函数有实证依据，纳什均衡作为评估学习行为的正式基准。
2. 在300段模拟对话和三种LLM架构中，自适应策略选择比非自适应基线更接近纳什均衡，提升幅度为28.9%至79.7%。
3. LLM通过上下文经验学习反制策略，无需微调；研究公开了代码和带轮次策略标签与效用分数的300段对话数据集。