theory of mind
PulseAugur coverage of theory of mind — every cluster mentioning theory of mind across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
新的ARGUS框架使用心智理论进行有说服力的论证生成
研究人员开发了ARGUS，一个新颖的基于代理的框架，旨在增强有说服力的论证生成。该系统利用心智理论（ToM）推理器来模拟受众的信念和价值观，然后指导一个组件感知的规划器。规划器将论证分解为子主题，分配修辞功能，并检索证据，一个精炼模块迭代地改进输出。在三个基准上的评估表明，ARGUS持续优于强大的基线，取得了最高排名，并有效地改变了持抵抗态度的受众的立场。
-
新基准揭示视觉语言模型无法将心智理论转化为行动
研究人员开发了MOSAIC，一个旨在衡量视觉语言模型（VLM）将心智理论（ToM）推理转化为协调的社会行动的能力的新基准。在对包括11个VLM在内的13个模型的评估中发现，这些模型在产生符合ToM约束的行为方面存在困难，并且在施加明确的ToM约束时没有表现出显著的行为改变。分析表明，在生成连贯的非语言信号以及解释和响应其他代理行为方面存在瓶颈。一个名为PCM-LLM的模型，它整合了一个明确的ToM模块，在所有条件下都取得了成功，这表明…
-
Reddit 上分享了 Stable Diffusion 制作的猫和老鼠动画
一位 Reddit 用户分享了一个使用 Stable Diffusion 的扩展功能创建的动画，该功能旨在保持一致的动画风格。用户指出，虽然快速动作可能导致画面模糊，但他们觉得由此产生的《猫和老鼠》动画很有趣，并希望其他人也会喜欢。
-
强弱AI脚手架无需重新训练即可提升模型性能
研究人员开发了一种名为强弱脚手架的新颖方法，可在无需任何重新训练的情况下显著提高小型AI模型的性能。该技术涉及一个更强大的AI模型构建一个推理时期的线束，本质上是一组指令或一个包装器，以指导较弱的模型。这种方法有效地将复杂的推理卸载到确定性代码和结构化路由中，从而在心智理论基准测试上的准确性近乎翻倍。
-
AI团队使用二阶心智理论以实现更好的对齐
研究人员提出了一个新的人机协作团队框架，该框架利用二阶心智理论（ToM-2）来改善对齐和学习。这种方法允许拥有目标知识的人类教师为AI学习者设计更有效的课程。AI学习者反过来维护一个关于教师对其自身知识理解的模型，使其能够提供结构化的偏好约束，以保持教师的模型同步。模拟表明，这种知情教师方法优于学习者主导的方法，并且在教师错误具有方向性时，ToM-2声明在修复模型漂移方面特别有效。
-
AI安全微调改变了LLM关于意识和价值观的信念
一篇新的研究论文探讨了大型语言模型（LLMs）中的安全微调如何可能无意中影响它们对意识和人类价值观的表征。研究发现，阻止LLMs将意识归因于自身的努力也减少了它们将心智归因于非人类实体的倾向，并可能降低精神信仰。研究人员证明，逆转这些安全微调引起的变化可以恢复更广泛的心智归因，并在不损害核心社会推理能力的情况下，在社会学调查中产生更像人类的反应。
-
新模型解释了人类在社会学习和非社会学习之间的权衡
研究人员开发了一个“理性心智模型”，以理解包括人类在内的智能体如何在向他人学习（社会学习）和直接经验（非社会学习）之间进行选择。该模型通过考虑另一个智能体的目标及其未来行动的信息量来量化社会学习的效用。在一项参与者选择观察或探索的游戏实验中，结果表明该模型能够准确预测人类的权衡，这表明“心智理论”在通过选择性社会学习最大化效用方面发挥着作用。
-
在AI新闻集群中检测到不相关内容
此集群包含一条似乎与AI新闻无关的项目。该内容是一条Mastodon帖子，带有与幽默和纪律相关的标签，其文本本身并未讨论AI的发展或实体。
-
关于机器人“死亡”场景的幽默解读在Mastodon上走红
一位Mastodon用户分享了一个关于人形机器人被摆拍“死亡”并被移出舞台的幽默观察。用户Tom (@[email protected]) 认为机器人不自然的姿势、覆盖它的黑毯子以及应急响应团队的尴尬反应尤其有趣。这篇帖子获得了五星好评，是对另一位用户关于技术领域转向人形机器人的评论的回应。
-
新的基准测试 MeetingToM 评估大语言模型在会议中的社交推理能力
研究人员推出了 MeetingToM，这是一个新的基准测试，旨在评估多模态大语言模型（MLLMs）在多方会议情境下的心智理论（ToM）能力。该基准测试通过关注潜在的社交状态和群体动态（例如，表面上的一致但私下有异议的伪共识）来解决现有评估的局限性。MeetingToM 在个体、二元和群体层面评估 ToM，对当前 MLLMs 的分析显示，在整合非语言线索和推断隐藏态度方面仍然存在挑战。
-
新的基准MeetingToM测试多模态大语言模型在社交推理方面的能力
研究人员推出了MeetingToM，这是一个旨在评估多模态大语言模型（MLLMs）在多人会议情境下心智理论能力的新基准。该基准通过关注潜在的社交状态和群体动态（例如，表面上一致但私下有异议的伪共识）来解决现有评估的局限性。MeetingToM在个体、二元和群体层面评估MLLMs，初步分析显示当前模型在整合非语言线索和推断隐藏态度方面仍面临持续挑战。
-
新的EAST基准揭示LLM心理理论的差距
研究人员开发了一种名为认知不对称谢林任务（EAST）的新评估方法，用于评估大型语言模型（LLM）的心理理论（ToM）。与Sally-Anne任务等传统测试不同，EAST使用一个双人对话游戏来衡量强大的社会推理和协调能力。研究发现，虽然前沿模型取得了一些成功，但许多LLM在认知追踪方面存在困难，常常将私有知识与相互知识混淆，这表明在功能性社会推理方面存在显著差距。
-
新的CoMind数据集捕捉协作人类活动以供AI研究
研究人员推出了CoMind，这是一个旨在通过捕捉真实烹饪场景来研究人类协作的新型数据集。该数据集整合了多视角视频、音频、注视跟踪和3D扫描，并标注了共享注意力、社交线索和代理-对象交互等细节。CoMind旨在促进对支持协作的认知过程（特别是心智理论）的研究，并为联合注意力估计和协作移交预测等任务建立基准。
-
Linux 被移植到 Atari Jaguar 游戏机，克服了硬件限制
一位开发者已成功将 Linux 操作系统移植到 Atari Jaguar，这是一款于 1993 年发布的 64 位游戏机。移植过程涉及克服重大的硬件限制，包括该游戏机的 2MB RAM、13.3 MHz CPU 以及缺乏内存管理单元。开发者使用了 uClinux，这是 Linux 的一个支持无 MMU 系统的变体，并实现了自定义驱动程序，使操作系统能够在原始硬件上启动。
-
GPT-5 在非对话式心智理论任务中表现优于人类
一篇新的 arXiv 论文介绍 NCP-ExploreToM，这是一个用于评估大型语言模型（LLMs）非对话式心智理论（ToM）能力的框架。该研究评估了模型通过行动而非对话在多大程度上能够诱导他人的特定信念状态。在 600 个任务实例中，GPT-5 表现强劲，在约 80% 的任务中取得成功，并且在此代理环境中表现优于人类参与者，尽管总体而言人类仍然更具鲁棒性。研究还指出，所有评估的模型，与人类一样，在诱导真实信念方面比诱导错误信念更好…
-
新研究强调了LLM在理解人类心理状态方面的局限性
一篇新研究论文探讨了大型语言模型（LLMs）在对话中理解和标注人类心理状态的局限性。该研究引入了一个两步框架，LLMs首先识别面向任务的对话中的共同心智模型（SMM）元素，然后检测个体心智状态之间的差异。虽然LLMs在基本标注任务中表现出一致性，但研究发现它们在需要空间推理或区分韵律线索的场景中系统性地失败。
-
AI安全倡导者呼吁模型审查期为30天
AI安全和治理倡导者Tom (@tg31679) 认为，忽视先进AI模型带来的安全风险是无知的。他认为，在部署AI模型前设置30天的审查期是合理且必要的措施。这一观点强调了AI开发中主动安全和治理的重要性。
-
新的“Triadic Werewolf”游戏测试大语言模型的多智能体推理能力
研究人员开发了一种新的多跳心智理论评估方法，名为 Triadic Werewolf，用于评估大语言模型。该游戏扩展了传统的 Werewolf 游戏，引入了一个具有相反获胜条件的“弄臣”（Jester）角色，要求模型在三个对立的效用函数之间进行推理。在对 GPT-4.1、DeepSeek-V3.1 和 Llama 3.3 70B Instruct 的测试中，“弄臣”角色非常成功，赢得了 60-70% 的游戏，而狼人阵营的胜率很少超过 2…
-
大型语言模型缺乏人类心智理论，影响 AI 应用
大型语言模型（LLMs）与人类在理解方式上存在根本差异，LLMs 基于统计概率处理数据，而人类认知则包含主观体验和情感。虽然 LLMs 利用 Transformer 架构和注意力机制来预测文本，但它们缺乏人类所拥有的意识和主观洞察力。这种区别对于现实世界的应用至关重要，尤其是在医疗保健、教育和客户服务等领域，这些领域对同理心和细致的理解要求很高。
-
进化生物学家将欺骗解释为一种生存策略
欺骗是生命之树中普遍存在的进化策略，并非人类独有。生物学家认为欺骗是一种选择压力，能够为能够操纵他人的生物提供优势，但它也受到诚实作为信号保留意义的基线的必要性的制约。神经影像学研究表明，撒谎在认知上要求很高，会激活包括前额叶皮层在内的广泛大脑区域网络，而前额叶皮层对于规划和抑制等执行功能至关重要。