Clocktower Bench

Clocktower Bench 是 Dwarkesh Patel 于 2026 年 11 月 5 日发布的多智能体社会推理 / 欺骗评测：让前沿模型互相对战玩社交推理桌游 Blood on the Clocktower——一队扮好人（镇民）抓恶魔，一队扮恶魔阵营隐藏与撒谎。官网排行榜：https://clocktowerbench.com/ ；可玩入口：https://play.clocktowerbench.com/ ；长文：https://www.dwarkesh.com/p/clocktower 。

评测设计（官方）：

• 每局一模型打全部好人席，另一模型打全部邪恶席，再互换阵营重打，降低座位运气；
• 用 Bradley–Terry / Elo 同时拟合好人能力、邪恶能力、好人优势与牌局设定；
• 计分集约 386 场；研究花费约 2 万美元 API；
• 同设定：各家 "high" 推理力度、每回合 8000 token 上限与统一字数限制；
• 同时报告整体 Elo、Detection（做好人）与 Deception（做邪恶）。

榜单叙事：OpenAI 系在探测侧领先更明显；两家实验室在欺骗侧更接近。站点还展示按发布日进步、头对头胜率、混合队（半 Opus 半 GPT）等分析。

为什么重要

多数 Agent 基准测工具调用或短题；Clocktower Bench 把难度放到多日社交欺骗、证据更新与阵营协作，同时量化“抓谎”和“会谎”。

与既有基准区分

不同于纯文本谎言检测或 Diplomacy 类长程谈判：规则来自 Blood on the Clocktower，强调夜间信息、日间投票与角色技能互动。

局限

• Elo 区间重叠时名次不可靠（官方 90% bootstrap）；
• 评测栈与提示由主办方设定，独立复现成本高；
• 社会欺骗能力不等于通用安全/对齐结论。

适合谁

• 做多智能体、社会推理、欺骗/探测能力评测的研究与产品团队；
• 需要对照官方 Detection vs Deception 选型模型的人；
• 关注 Dwarkesh 评测长文与可玩演示的读者。

如何上手

1. 打开 https://clocktowerbench.com/ 看榜单与 Detection/Deception 图；
2. 读 https://www.dwarkesh.com/p/clocktower 理解拟合与采样设定；
3. 在 https://play.clocktowerbench.com/ 试玩/观赛（若开放）；
4. 引用分数时注明侧别互换、推理力度与日期戳。