论文提出心智世界模型MWM及MMEA架构，在两项心智推断基准上超过LLM
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载论文要解决的问题
论文指出，理解并模拟主观认知与心理状态如何产生、演化并影响行为，是 AI 走向更深层社会认知与通用智能的关键环节。现有大语言模型与心智理论（ToM）方法主要依赖语言信息反推心理状态，缺少统一机制来处理四件事：主观世界的构建、认知与心理之间的交互、动态演化，以及对历史经验的依赖。作者据此提出心智世界模型（MWM），并给出可运行的实现——多分支心智演化架构（MMEA）。
架构与实验设置
MMEA 的做法是显式构造主观世界，把认知与心理状态之间的相互作用纳入建模，并让心智状态在历史经验的作用下连续演化，而不是对单轮文本做一次性推断。评测选在 DynToM 与 RecToM 两个基准上进行，对照对象包括主流大语言模型与专门的心智理论方法。论文给出的结果是 MMEA 在这两个基准上分别取得 96.48% 与 94.00% 的准确率，均高于对照方法。
三项增益与可解释性
除基准准确率外，论文报告了三组对比实验：心理状态与行为预测提升 28.7 个百分点，长序列预测提升 39.3 个百分点，隐含心理状态推断提升 16.6 个百分点。作者将 MMEA 定位为可解释的连续心智建模框架，认为它使 AI 不再停留在表层语义表示，而是能从语言信息推断个体潜在心理状态，并随时间动态模拟其内部认知过程与演化。论文还提出 MWM 可作为因果推理、个性化 AI、持续人机交互以及通向通用智能的研究基础。全文 12 页、10 幅图，提交时间为 2026 年 10 月 16 日。
为什么值得看
若结果可复现，心智建模可能从语言推断转向可解释的连续状态模拟，值得关注其基准与架构细节。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。