arXiv cs.AI· Qingshi Wang·· 12 小时前AI 评分31
超越大语言模型：用于心理建模、模拟、演化与可解释性的心理世界模型框架
Beyond Large Language Models: A Mental World Model Framework for Mental Modeling, Simulation, Evolution, and Interpretability
AI 导读
论文提出心理世界模型（MWM）及其实现多分支心理演化架构（MMEA），显式构建主观世界并模拟受历史经验塑造的连续心理演化。MMEA 在 DynToM 和 RecToM 上分别达到 96.48% 和 94.00% 准确率，超过领先 LLM 与专门 ToM 方法；在心理状态与行为预测、长序列预测、隐式心理状态推断上分别提升 28.7、39.3 和 16.6 个百分点。
正文 · AI 翻译
摘要：理解并模拟主观认知与心理状态如何产生、演化并塑造行为，对于推动人工智能迈向更深层的社会认知与通用智能至关重要。现有的大语言模型（LLM）与心理理论（ToM）方法主要从语言信息中推断心理状态，缺乏用于主观世界构建、认知—心理交互、动态演化与历史依赖的统一机制。本文提出心理世界模型（MWM）及其实现——多分支心理演化架构（MMEA），该架构显式构建主观世界，对认知与心理状态之间的交互进行建模，并模拟由历史经验塑造的持续心理演化。在 DynToM 与 RecToM 上，MMEA 分别达到 96.48% 和 94.00% 的准确率，优于领先的 LLM 与专门的 ToM 方法。额外实验表明，其在心理状态与行为预测、长序列预测以及内隐心理状态推断上分别提升了 28.7、39.3 和 16.6 个百分点。结果表明，MMEA 为持续心理建模提供了一个可解释的框架，使 AI 能够超越表层语义表示，从语言信息中推断个体的潜在心理状态，并动态模拟其内部认知过程及随时间的演化。MWM 还为因果推理、个性化 AI、持续的人机交互以及未来迈向通用人工智能（AGI）的进展提供了有前景的基础。
| 评论： | 12 页，10 张图 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.23722 [cs.AI] |
| （或 arXiv:2610.23722v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.23722 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Qingshi Wang [查看邮箱]
[v1]
2026 年 10 月 16 日星期五 16:42:11 UTC（1,524 KB）
来源：arXiv cs.AI · arxiv.org