arXiv发布多层次心智理论评估框架

2026年10月27日，Zhenshuai Yin等人在arXiv发布研究，提出基于可验证任务的多层次心智理论评估框架。该框架将家庭协作与日程调度任务扩展至非对称信息场景，涵盖世界理解、信念恢复、决策及执行六个独立层面。实验显示模型在信念恢复与决策利用间存在显著偏差。Claude虽能正确恢复所有代理信念，但在匹配调度任务中仅生成67.9%的主观最优计划。在家庭协作任务中，提供信念使Qwen-27B的成功率从55.0%提升至75.0%。该研究证实心智理论评估需结合独立验证的决策与任务结果，而非仅依赖故事问答。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。