تعتبر ألعاب الاستدلال الاجتماعي (Social Deduction Games) مثل لعبة الذئب (Werewolf) من أبرز الاختبارات التي تواجه وكالات الذكاء الاصطناعي. تحتاج هذه الألعاب إلى مهارات اجتماعية معقدة مثل التفكير والاستنتاج والخداع والتعاون. على الرغم من التقدم الكبير الذي حققته نماذج اللغات الضخمة (Large Language Models) في تطوير وكالات الألعاب، إلا أن الأساليب الحالية تتركز بشكل أساسي على النصوص، مما يتجاهل الطبيعة المتعددة الوسائط التي تعد أساسية في التفاعل الاجتماعي البشري.

لمعالجة هذه الفجوة، تم تقديم CaM-Wolf، وهو أول وكيل استدلال اجتماعي يجمع بين الإدراك المتعدد الوسائط والتوليد. يقوم CaM-Wolf بمعالجة المدخلات المرئية من اللاعبين الآخرين، ويستخدم Reasoner مدركاً لأسباب الأحداث تم تدريبه عبر التعلم المعزز ليُنشىء روابط منطقية بين السلوكيات القابلة للرصد والأدوار الخفية. بالإضافة إلى ذلك، يقدم CaM-Wolf نفسه من خلال صورة رمزية متحركة.

أظهرت التجارب والدراسات التي أُجريت على المستخدمين أن CaM-Wolf يُحقق أداءً متفوقًا في اللعب ويعزز جودة التفاعل بين الإنسان والذكاء الاصطناعي.

يمثل هذا العمل تقدمًا كبيرًا نحو خلق وكلاء ذكاء اصطناعي أكثر تشابهًا مع البشر، قادرين على المشاركة في الديناميكيات الاجتماعية الدقيقة. يمكن الاطلاع على الكود الخاص بـ CaM-Wolf عبر الرابط: [الرابط المتاح].