PIP-ToM：多模态心智理论证据校准方法
热点事件持续更新
PIP-ToM：多模态心智理论证据校准方法
1 篇报道1 个报道来源18 小时前更新
先了解这件事
AI 综述
2026年10月28日，arXiv Artificial Intelligence 刊出 Ziqi Liao 等作者的报道，提出 PIP-ToM 证据可采纳性接口方法，用于多模态心智理论任务。该方法通过构建智能体专属证据库、将证据库与结构化心智状态声明对齐，并校准基于模型的假设分数，同时保留底层贝叶斯推理过程，以解决视角泄漏与来源混淆问题。报道称，搭配 GPT-4o 时，PIP-ToM 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。上述准确率为该报道所述结果，其适用对象为搭配 GPT-4o 的 PIP-ToM，尚未见其他模型配置或独立复现的报道。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
PIP-ToM：面向多模态心智理论的情境界定证据校准方法报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv Artificial IntelligencePIP-ToM：面向多模态心智理论的情境界定证据校准方法
PIP-ToM 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。搭配 GPT-4o 时，该方法在 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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。