arXiv cs.AI· Ziqi Liao, Jiaqi Shen, Yiming Na, Kedi Lyu, Shao-Yuan Lo, Hongxia Xie·· 13 小时前AI 评分31
PIP-ToM：面向多模态心智理论的角度受限证据校准方法
Who Knows What - and What Does It Support? Perspective-Bounded Evidence Calibration for Multimodal Theory of Mind
AI 导读
研究者提出 PIP-ToM，一种证据可采纳性接口，通过构建智能体专属证据库、对齐结构化心智状态声明并校准假设分数，解决多模态心智理论中的视角泄漏与来源混淆问题。PIP-ToM 搭配 GPT-4o 在 MuMA-ToM、MMToM-QA 和 Hi-ToM 上分别取得 92.56%、95.00% 和 95.00% 的平均准确率，优于现有 ToM 方法。
正文 · AI 翻译
摘要：心理理论（Theory of Mind, ToM）是指推断他人信念、目标和意图的能力，是社会智能的基石。多模态 ToM 要求从该智能体可获取的证据中推断其心理状态，而非从求解器所观察到的完整事件中推断。现有的基于 LLM 和基于贝叶斯模型的方法会重建全局事件轨迹，但它们在假设评估过程中并未明确区分客观事件与智能体可采纳的证据。因此，智能体无法获取的事件或语义上不匹配的动作与话语可能会影响所推断的信念、目标或社会意图，导致视角泄漏以及来源或路径混淆。我们将这一局限表述为证据可采纳性问题：只有当证据对相关智能体可获取、保留其信息来源，并且对查询的心理状态变量具有诊断性时，它才应参与心理状态假设的构建。为落实这一原则，我们提出了 PIP-ToM，一种证据可采纳性接口，它构建智能体特定的证据存储，将其与结构化心理状态主张对齐，并在保留底层贝叶斯推理过程的同时校准基于模型的假设得分。采用 GPT-4o 的 PIP-ToM 在 MuMA-ToM、MMToM-QA 和 Hi-ToM 上均优于现有的 ToM 方法，平均准确率分别达到 92.56%、95.00% 和 95.00%。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.36824 [cs.AI] |
| （或 arXiv:2610.36824v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.36824 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Ziqi Liao [查看邮箱]
[v1]
2026年10月27日星期二 08:23:46 UTC（11,728 KB）
来源：arXiv cs.AI · arxiv.org