arXiv 论文区分 LLM 心智理论中的「显式」与「应用」能力
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，非原文转载把心智能力拆成两层
这篇论文把大模型的心智理论能力拆成两个层次来看。一层是显式心智理论，指模型能识别出某人持有什么信念；另一层是应用心智理论，指模型能把这种信念用于预测该人的行为。作者认为，现有的心智理论评测通常只给出一个汇总分数，而这个分数把上述两种能力混在一起，看不出模型究竟强在哪一层、弱在哪一层。研究围绕这一区分展开，考察两层能力之间的落差有多大，以及这种落差能否被补救。为覆盖不同结构，作者选用了四个基准进行测试，而不是依赖单一题库。论文指出，汇总式报告会掩盖能力分布不均的情况：模型在识别心理状态上表现很好，在据此推断行为时却明显落后，单看总分无法暴露这种不对称。
三种干预方式的对照
在评估落差能否恢复时，作者比较了三类做法。第一类是结构化提示，即在提问中加入引导性提醒；第二类是与任务匹配的上下文学习，也就是在输入中放入示例；第三类是作者提出的信念状态测试时训练（BSTTT），其做法是在已作答的支撑性问题上调整轻量参数，并通过动作重建来完成适配。测试覆盖 Qwen2.5-7B、Llama-3.1-8B 和 GPT-oss-20B 三个模型。结果显示，恢复效果并不统一，取决于具体模型、具体任务和具体干预手段。在 SimpleToM 上，提醒与 BSTTT 结合后，Llama 的行为预测提升幅度最大；从各模型的整体情况看，提升主要来自提醒，BSTTT 在提醒之外还能再贡献一部分增益。上下文示例在不少情况下优于直接更新权重，而 BSTTT 在某些模型与基准的组合中更强。
时间维度仍是难点
论文还考察了随时间变化追踪信念的能力。作者指出，即便部分落差可以通过针对性辅助弥补，这类时间性的信念追踪依然困难，恢复只是局部的。这一结果说明，汇总分数可能高估模型在实际应用中的能力，同时又把那些通过定向帮助就能改善的表现掩盖起来。基于这些发现，作者建议评测报告应当把显式准确率和应用准确率分开呈现，并同时给出不同干预手段的对照结果，从而判断哪些失败是可以恢复的、在什么条件下可以恢复。论文提交于 2026 年 10 月 22 日，作者为 Prajvi Saxena、Sabine Janzen 和 Wolfgang Maass，编号 arXiv:2610.31060，属于 cs.AI 分类。
为什么值得看
总分掩盖了模型「看得懂却用不上」的短板，论文给出可复现的拆分测法与干预对比。
信源1 家
关键事实
论文区分显式心智理论（识别他人信念）与应用心智理论（用信念预测行为），认为现有基准的总分把两者混在一起[1]
在 SimpleToM 上，Llama-3.1-8B 总分为 51.5%，识别心理状态为 99.4%，预测行为仅 28.9%[1]
作者提出 Belief-State Test-Time Training（BSTTT），通过动作重建在已作答的支撑问题上调整轻量参数[1]
SimpleToM 上，提示提醒加 BSTTT 使 Llama 的行为预测提升 40.8 个百分点，BSTTT 在提醒之上再增加 1.3 至 5.5 个百分点[1]
实验覆盖 Qwen2.5-7B、Llama-3.1-8B、GPT-oss-20B，恢复效果随模型、任务与干预方式变化[1]
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。