Un método de UNIST entrena pequeños agentes LLM para inferir roles ocultos y eleva su tasa de victorias en Werewolf del 41,6% al 65,6%

MARBO, aceptado en EMNLP 2026, solo recompensa a los agentes cuando sus acciones se basan en creencias fiables sobre los roles de otros jugadores; UNIST informa de que la tasa de victorias en Among Us sube del 36,4% al 49,0%, con resultados en juegos y no en detección de engaños reales.