MuSeToM基准：大模型信念修正评测

1. 13:00
   arXiv cs.AI

   MuSeToM：评估 LLM 能否依据六类感官文本线索判断信念修正

   研究者提出 MuSeToM，一个经人工验证的纯文本基准，用于评估 LLM 在心理理论推理中能否判断感知证据是否足以支撑他人修正信念。该基准含 2,415 个改编自 BigToM 和 OpenToM 的实例，文本线索覆盖六类感官。对 SOTA 模型的评测显示明显割裂：模型常能察觉信念可能变化，却难以给出更新后的信念，并频繁在感知显著但证据不足的线索上过度修正。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。