研究提出BSTTT并揭示LLM心智理论差距

2026年10月23日，arXiv Artificial Intelligence 刊出 Prajvi Saxena 等作者的论文，提出 Belief-State Test-Time Training（BSTTT）方法，并评估大语言模型在心智理论（Theory of Mind）上的表现。研究基于四个结构多样的基准，区分显式 ToM（识别他人信念）与应用 ToM（用信念预测行为），指出聚合分数会掩盖能力不均：在 SimpleToM 上，Llama-3.1-8B 总体得分为 51.5%，其中心理状态识别达 99.4%，而行为预测仅 28.9%。为评估能力恢复，作者比较了结构化提示、匹配的上下文学习与所提出的 BSTTT——后者通过动作重建在已作答的支持问题上适配轻量参数。目前进展停留在论文发布与基准评测层面，后续跟进报道尚未出现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。