arXiv · cs.CL· Zhenshuai Yin·· 1 天前AI 评分46
从信念推理到任务执行：可验证任务上心智理论的多层次评估
From Belief Inference to Task Action: A Multi-Level Evaluation of Theory of Mind on Verifiable Tasks
来源与原文
arXiv · cs.CL
作者：Zhenshuai Yin
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.34759v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究提出在可验证任务上评估语言模型心智理论（ToM）的多层次方法，通过带非对称信息的家庭协作与日程调度任务，区分信念恢复与信念使用。六种模型配置中能力出现分化：Claude 能正确恢复全部智能体信念，但仅在 67.9% 的匹配调度案例中给出主观最优计划；Qwen-27B 在提供信念后成功率从 55.0% 升至 75.0%，而 Qwen-4B 虽答对所有固定信念来源问题，却只完成 20.0% 的对应后续执行。
来源：arXiv · cs.CL · arxiv.org