俄语狼人杀多模态群体讨论数据集
数据集简介
研究问题
Mafia-MD 关注的核心问题是:群体讨论中产生的信息,如何与参与者在游戏后续环节中记录下来的行为相关联。狼人杀是一种规则明确、角色分工清晰、讨论与决策交替进行的多人互动游戏,参与者需要在公开讨论中表达立场、辨别真伪,并在投票等环节做出可观察的选择。该数据集把发言者一侧的音视频与结构化的公开游戏事件对齐,为分析「说了什么」与「随后做了什么」之间的关系提供可核对的基础。
论文报告的内容
论文围绕上述问题展开,并在主基准中划定了可用于评估的有效决策范围,共 26,235 个有效决策。数据集整体录制讨论时长约 1,438 小时,来源于自然发生的俄语在线对局,而非实验室摆拍。任务类型为特征提取(Feature Extraction):数据以嵌入特征的形式提供,供下游基准测试直接使用,而不以原始音视频文件作为主要交付物。
本次发布包含的内容
本次为特征发布版,覆盖 2,937 局游戏中的 93,882 条公开语音片段,私密简报片段被排除在外。交付内容主要包括三类:
- npy 字段:以 npy 数组保存的嵌入特征向量,是本次发布的主要数据形态;
- 公开游戏事件结构:与发言片段对应的结构化公开事件记录,便于把讨论内容与游戏进程对齐;
- 发言者侧音视频特征:来自发言者一侧音视频的多模态特征,用于支撑群体讨论信息的建模。
数据规模处于 10K 至 100K 量级。上传仍在进行中,分片与最终校验清单将逐步添加,使用前应注意核对清单是否已完整。
文本特征覆盖
发布内容包含与公开语音片段对应的文本侧特征,覆盖范围与 93,882 条公开语音片段一致;私密简报片段不纳入特征覆盖。文本特征与音视频特征、公开事件结构共同构成多模态表示,便于在同一局游戏内做跨模态对齐分析。
快速开始
在 HuggingFace 页面可直接浏览并下载数据集,无需申请访问权限。建议先读取 npy 特征数组,再结合公开游戏事件结构按对局与片段进行对齐;由于分片与校验清单仍在补充,正式实验前应确认所用分片版本与清单状态一致。
适用范围与负责任使用
该数据集来自真实玩家的在线对局,使用时应遵守相关平台与研究的伦理规范,避免对参与者进行再识别或把数据用于与群体互动研究无关的用途。私密简报片段已被排除,使用时不应尝试从公开片段推断私密信息。
论文与引用
Mafia-MD 由 SODA2207 发布,相关论文题为 Mafia-MD: Multimodal group discussions, public events, and subsequent human actions,作者包括 Daniil Storonkin。引用时请以论文正式引用信息为准。