牛津：心智世界建模框架

标题Mental World Modeling来源arXiv, 2607.27201v1️文章简介研究问题现有世界模型仅关注物理场景演变如何有效建模驱动人类行为的隐藏心智状态以准确预测决策主要贡献论文提出心智世界建模理论框架及无需训练的基线系统MENTIS证明显式建模心智状态对预测人类决策至关重要。重点思路构建耦合的物理-心智联合状态空间包含实体属性、信念、意图、情感及社会规范等变量将心智变量作为核心组件而非事后解释。基于部分可观察马尔可夫决策过程为特定目标代理渲染第一人称局部观察区分全局真实状态与代理的主观认知。将动作分解为物理载体与心智内容两个维度模拟候选动作如何同时更新物理场景和心智社会配置。开发MENTIS基线系统通过状态解析、观察生成、动作分解、耦合转移模拟及分支价值评估五个模块实现全流程可解释推理。分析总结在涵盖文本、图像和视频的多模态数据集上完整的心智世界建模流程显著优于直接回答及思维链等方法且在所有测试的大语言模型中均表现最佳。消融实验证实移除心理通道或物理通道均导致性能大幅下降且解耦的物理-心理转移模拟效果不如联合模拟证明两者耦合的必要性。在人际互动场景中引入心智建模带来的性能提升最大表明隐藏的心智变量在此类决策中起主导作用而在纯物体交互场景中增益较小。瓶颈分析显示当前系统的主要误差来源是状态转移模拟阶段即预测耦合世界如何随动作变化而非状态解析或观察生成。个人观点论文突破了传统世界模型仅关注物理规律的局限将“心智理论”融入世界模型的数学框架中明确区分全局上帝视角与代理局部视角。