你能预测下一个心智吗？迈向多轮多方心理世界建模
Can You Predict the Next Mind? Toward Multi-Turn Multi-Party Mental World Modeling
预印本 · 尚未经过同行评审
现有多模态基础模型的心理世界建模评测多停留在静态心理状态感知或短程决策，缺少多方多轮互动中的动态心理轨迹。作者构建 M³WME-Bench 基准，要求模型在持续社会互动中预测目标对象未来的心理状态与行为，同时发布训练数据集 M³WME-23K 和基线模型 MindNext-7B。在通用多模态大模型、情绪专用多模态大模型、智能体框架和世界基础模型四类范式上的评测显示，现有系统难以预测前瞻性心理状态。该预印本共 14 页，尚未经同行评审。
尽管多模态基础模型在物理世界建模、生成与具身推理方面已取得显著进展，但其对动态心理世界建模的能力仍未被充分探索。现有基准主要聚焦于静态心理状态感知或短时程决策，忽视了多方、多轮交互中固有的动态心理轨迹。为弥合这一差距，我们提出 M$^3$WME-Bench，一个旨在评估以交互者不断演化的动作为条件的心理世界建模的基准。具体而言，模型需在延展的社会交互中预测目标主体的未来心理状态与行为。除基准套件外，我们还构建了专用训练数据集 M$^3$WME-23K，并建立了名为 MindNext-7B 的具有竞争力的基线。在四种代表性范式（通用多模态大语言模型、情绪专用多模态大语言模型、智能体框架与世界基础模型）上的广泛评估表明，当前系统在预测前瞻性心理状态方面始终表现不佳。机制分析进一步揭示，现有架构从根本上缺乏前瞻性心理状态转移动力学。我们的发现凸显了推动智能体从物理世界建模迈向心理世界建模的关键挑战，为社会自适应 AI 开辟了新方向。
中文由 AI 翻译，仅供参考，以原文为准。
来源：arXiv · Human-Computer Interaction · arxiv.org