尧图网站建设 
一句话总结现有世界模型只建模物理底座物理相同、心理不同的场景在表示层不可分辨Mental World Modeling 把信念、意图、规范等心理变量提升为与物理变量并列的一等状态在 Mentis Menti-Bench 上把决策 F1 从直接作答的 63.3 提到全流程的 87.9论文标题Mental World Modeling论文地址https://arxiv.org/abs/2607.27201作者背景牛津大学、新加坡国立大学主页https://mental-world.github.io一、动机世界模型就是 AI 在脑中建立一个对现实世界运行规律的模拟从而预测 “接下来会发生什么”。近年来的相关研究大致可分为三个方面学紧凑隐状态做预测与控制Dreamer、JEPA直接生成未来画面Sora、Genie做可编辑、可行走的三维世界Marble三条线接口不同共享同一个默认建模对象 —— 物体位置、几何、遮挡、运动、可操作性等物理底座。场景里的人往往被当成另一种会移动的物体可见这一假设对人的建模远远不够。理想情况下服务机器人要分清用户是困惑还是不耐烦协作智能体要识别某个物理上可行的动作在当前角色关系与规范下是否失礼等等。这些判断依赖的是信念、注意力、目标、意图、情绪与许可边界物理传感器读不出来认知科学早有心智模型、心智理论ToM、BDI、具身认知等传统AI 侧却常分裂成两极要么做没有心理状态的物理世界模型要么把心智推理做成孤立的问答测评对此作者提出Mental World Modeling心理世界模型把心理变量从事后解释提升为世界状态的一等公民与物理变量并排放进同一状态一起被观测、一起被动作改写、一起往下一刻推二、实现方法2.1 物理-心理联合状态MWM 不是对私人意识的复刻而是以目标中心更合理地模拟人类参与的世界环境。物理侧记录实体、属性、空间/接触关系与环境条件心理侧记个体或群体的身份、信念、注意力、目标、意图、情绪、倾向、规范与行为约束再加上人际态度/角色关系与全场气氛一只杯子从桌子这头递到那头物理上是同一事件心理含义可以是道歉、欺骗、服从或关心2.2 第一人称有限观测要考虑人的心理状态就不得不考虑他对世界的观测视角。个体显然不能掌握复杂世界的全局状态物理层面存在遮挡、听力范围与模态可达性被挡住的、听不见的不能出现在其观测里心理层面上只保证她完全理解自己的念头而对他人的判断全是推测动作也拆成两层物理载体走、伸手、说话、递物与心理活动请求、安慰、欺骗、道歉、给面子。二者不是两个独立动作相加而是同一动作的两个维度2.3 动作与状态转移每一步是三条耦合操作渲染观测 → 提出动作 → 状态转移。转移写成可检查的两通道形式但要注意二者并不独立物理转移同时看当前物理状态、当前心理状态与动作的物理载体。旁人的潜在意图会并发改变下一刻布局语义意图本身不直接挪动物体除非已通过载体表达心理转移同时看物理场景、原有心理连续性以及动作的载体与含义。解读一个行为既要看他做了什么也要看他想借此传达什么2.4 Mentis 基线作者开发了一个测试系统 Mentis提示词约束现有模型按 MWM 结构运转每阶段写出可机器检查的中间产物便于定位错误、做消融与 Oracle 替换状态解析参考 2.1 中的思维导图把输入文/图/视频解析为物理-心理状态观测生成以目标第一人称视角过滤信息省略不可及的事实、允许保留错误信念动作分解把每个动作选项拆成物理载体 心理含义分支模拟对每个候选并行预测后继联合状态价值评估对每条分支模拟出的未来打分包括心智是否一致、物理上是否可行、社交约束下是否合适外加安全红线检查决策基于 llm 判断和固定规则选择价值最高的动作分支评测数据为 448 条情境化决策场景文本 320 / 图片 100 / 带声音视频 28每条给 6 个候选动作并从当前状态、目标观测、各选项后继状态到最终动作全程金标共包含四类场景人际、物体/资源、空间/感知、风险/规范与五个日常域分层。每道题目歧义很低人类平均分为 98.5三、实验结果3.1 实验设置测试了 8 个前沿 LLM 构造的世界模型OpenAI 5 个、Anthropic 3 个测试指标为最终动作的 F1为了更精细地评价和归因作者设计了一套阶梯化的系统按「每一级只多一项承诺」排列相邻两级的分差作为具体机制的指标。系统的基础承诺都是给定故事、目标人物和六个选项选出目标最可能的下一步具体地S0 完全不给故事只用来测量选项本身好不好猜。S1 到 S6 逐级加上直接作答、思维链、六次采样投票、自由文本的世界状态、结构化的物理–心理状态到 S6 则是标准的 MWM 流程3.2 必要性阶梯结果随着系统组件逐步丰富F1 均值也单调上升且 8 个模型走势相似S6 的确是最优配置消融表明去掉心理、物理通道或者让二者解耦独立发展都会带来效果的明显下降3.3 瓶颈分析完整的 MWM 是实验效果最强的配置作者还专门分析了它和理想设置的区别用标准答案逐级替换中间产物使用正确的动作、观测、状态和转移总功能换得 6.3 的收益。其中最有价值的是状态转移3.5即卡住模型的往往是 “想不清接下来会如何发展” MWM：带心理变量的世界模型
一句话总结现有世界模型只建模物理底座物理相同、心理不同的场景在表示层不可分辨Mental World Modeling 把信念、意图、规范等心理变量提升为与物理变量并列的一等状态在 Mentis Menti-Bench 上把决策 F1 从直接作答的 63.3 提到全流程的 87.9论文标题Mental World Modeling论文地址https://arxiv.org/abs/2607.27201作者背景牛津大学、新加坡国立大学主页https://mental-world.github.io一、动机世界模型就是 AI 在脑中建立一个对现实世界运行规律的模拟从而预测 “接下来会发生什么”。近年来的相关研究大致可分为三个方面学紧凑隐状态做预测与控制Dreamer、JEPA直接生成未来画面Sora、Genie做可编辑、可行走的三维世界Marble三条线接口不同共享同一个默认建模对象 —— 物体位置、几何、遮挡、运动、可操作性等物理底座。场景里的人往往被当成另一种会移动的物体可见这一假设对人的建模远远不够。理想情况下服务机器人要分清用户是困惑还是不耐烦协作智能体要识别某个物理上可行的动作在当前角色关系与规范下是否失礼等等。这些判断依赖的是信念、注意力、目标、意图、情绪与许可边界物理传感器读不出来认知科学早有心智模型、心智理论ToM、BDI、具身认知等传统AI 侧却常分裂成两极要么做没有心理状态的物理世界模型要么把心智推理做成孤立的问答测评对此作者提出Mental World Modeling心理世界模型把心理变量从事后解释提升为世界状态的一等公民与物理变量并排放进同一状态一起被观测、一起被动作改写、一起往下一刻推二、实现方法2.1 物理-心理联合状态MWM 不是对私人意识的复刻而是以目标中心更合理地模拟人类参与的世界环境。物理侧记录实体、属性、空间/接触关系与环境条件心理侧记个体或群体的身份、信念、注意力、目标、意图、情绪、倾向、规范与行为约束再加上人际态度/角色关系与全场气氛一只杯子从桌子这头递到那头物理上是同一事件心理含义可以是道歉、欺骗、服从或关心2.2 第一人称有限观测要考虑人的心理状态就不得不考虑他对世界的观测视角。个体显然不能掌握复杂世界的全局状态物理层面存在遮挡、听力范围与模态可达性被挡住的、听不见的不能出现在其观测里心理层面上只保证她完全理解自己的念头而对他人的判断全是推测动作也拆成两层物理载体走、伸手、说话、递物与心理活动请求、安慰、欺骗、道歉、给面子。二者不是两个独立动作相加而是同一动作的两个维度2.3 动作与状态转移每一步是三条耦合操作渲染观测 → 提出动作 → 状态转移。转移写成可检查的两通道形式但要注意二者并不独立物理转移同时看当前物理状态、当前心理状态与动作的物理载体。旁人的潜在意图会并发改变下一刻布局语义意图本身不直接挪动物体除非已通过载体表达心理转移同时看物理场景、原有心理连续性以及动作的载体与含义。解读一个行为既要看他做了什么也要看他想借此传达什么2.4 Mentis 基线作者开发了一个测试系统 Mentis提示词约束现有模型按 MWM 结构运转每阶段写出可机器检查的中间产物便于定位错误、做消融与 Oracle 替换状态解析参考 2.1 中的思维导图把输入文/图/视频解析为物理-心理状态观测生成以目标第一人称视角过滤信息省略不可及的事实、允许保留错误信念动作分解把每个动作选项拆成物理载体 心理含义分支模拟对每个候选并行预测后继联合状态价值评估对每条分支模拟出的未来打分包括心智是否一致、物理上是否可行、社交约束下是否合适外加安全红线检查决策基于 llm 判断和固定规则选择价值最高的动作分支评测数据为 448 条情境化决策场景文本 320 / 图片 100 / 带声音视频 28每条给 6 个候选动作并从当前状态、目标观测、各选项后继状态到最终动作全程金标共包含四类场景人际、物体/资源、空间/感知、风险/规范与五个日常域分层。每道题目歧义很低人类平均分为 98.5三、实验结果3.1 实验设置测试了 8 个前沿 LLM 构造的世界模型OpenAI 5 个、Anthropic 3 个测试指标为最终动作的 F1为了更精细地评价和归因作者设计了一套阶梯化的系统按「每一级只多一项承诺」排列相邻两级的分差作为具体机制的指标。系统的基础承诺都是给定故事、目标人物和六个选项选出目标最可能的下一步具体地S0 完全不给故事只用来测量选项本身好不好猜。S1 到 S6 逐级加上直接作答、思维链、六次采样投票、自由文本的世界状态、结构化的物理–心理状态到 S6 则是标准的 MWM 流程3.2 必要性阶梯结果随着系统组件逐步丰富F1 均值也单调上升且 8 个模型走势相似S6 的确是最优配置消融表明去掉心理、物理通道或者让二者解耦独立发展都会带来效果的明显下降3.3 瓶颈分析完整的 MWM 是实验效果最强的配置作者还专门分析了它和理想设置的区别用标准答案逐级替换中间产物使用正确的动作、观测、状态和转移总功能换得 6.3 的收益。其中最有价值的是状态转移3.5即卡住模型的往往是 “想不清接下来会如何发展”