Game of Phones：在“Bot Wars”中运用博弈论和 LLMs 对抗电话诈骗

电话诈骗给全球个人和金融系统带来了巨大且日益增长的损失，但现有的反制措施不会给诈骗者施加任何资源成本。策略性诱骗诈骗者是指让自动化代理与诈骗者互动，以消耗其运营能力，这种方法提供了一种主动应对的替代方案，但需要动态调整策略，而静态系统无法做到这一点。我们提出了一个博弈论框架，使 LLMs 无需微调，仅通过上下文内经验即可学习有效的反制策略。该框架将诈骗者与诱骗者之间的互动建模为一个双人博弈，采用基于实证的策略和效用函数，并以纳什均衡作为评估所学行为的形式化基准。在 300 段模拟对话和三种 LLM 架构中，自适应策略选择相较于非自适应基线，与纳什均衡的接近程度提高了 28.9% 至 79.7%。代码以及包含 300 段对话、逐轮策略标签和效用分数的标注数据集已发布于 https://github.com/nardinebasta/GameofPhones_/ 。