心理世界模型提升人类行为预测
The Decoder··作者 Jonathan Kemper
关键信息
MWM 将每个动作分成两个部分：物理载体，例如说话或指向，以及心理载荷，例如安慰、欺骗或拒绝。评测集 Menti-Bench 包含 448 个决策场景，覆盖文本、图片故事和音视频片段，论文称该方法能提升语言模型的行为预测，尤其在人际互动场景中效果更明显。
资讯摘要
研究人员提出了“心理世界建模”（MWM）框架，把信念、意图、目标、情绪、规范和社会关系加入到 AI 世界模型中。他们还发布了 MENTIS 作为无训练的参考实现，它会从物理合理性、心理一致性和社会适当性三个维度给候选动作打分。 这项工作认为，预测人类行为不能只靠物体和运动的物理模拟，因为人的行动还受到隐藏心理状态的影响。
这可能帮助自动体、服务机器人、医疗助手和协作系统更准确地预判人类下一步会做什么。 MWM 将每个动作分成两个部分：物理载体，例如说话或指向，以及心理载荷，例如安慰、欺骗或拒绝。评测集 Menti-Bench 包含 448 个决策场景，覆盖文本、图片故事和音视频片段，论文称该方法能提升语言模型的行为预测，尤其在人际互动场景中效果更明显。
资讯正文
忽视人类信念的世界模型会预测出错误的行动，新的研究显示
要点
- 研究人员将“心理世界建模”（Mental World Modeling）框架引入 AI 世界模型，使其包含人类信念和意图等心理状态。
- 参考实现 MENTIS 会模拟可选行动，并从物理合理性、心理一致性和社会适当性三个方面进行评分。
- 实验表明，这种方法显著提高了语言模型预测人类行为的准确性。
世界模型本应是自主 AI 代理缺失的基础，用来预测在采取某个行动后场景会如何变化。新论文认为，当下这一代系统忽略了一个关键构成要素：相关人物脑子里正在想什么。
论文指出，现有的世界模型，如 Sora、Genie 3、JEPA 和 Marble，只建模了世界的物理层面：物体、位置、运动和遮挡。至于这个世界里的人相信什么、想要什么，或者认为哪些行为在社交上合适，这些都不会出现在它们的状态空间中。对于服务机器人、医疗助手或协作型代理来说，这远远不够，因为隐藏的心理状态在很大程度上驱动着人类行为。
下一状态也是心理层面的
作者用一个简单例子说明了这一缺口。假设某人的杯子在他没看见的时候被移进了橱柜，那么从纯物理世界模型的角度看，这个场景是合理的。但它仍然会预测出错误的下一步行动。只有同时跟踪这个人对杯子在哪里的信念，模型才能解释他实际上会做什么。
他们提出的框架名为“心理世界建模”（Mental World Modeling，MWM），并已发布到 GitHub 上，它在经典世界模型中扩展加入了信念、注意力、目标、意图、情绪、规范和社会关系等心理变量。目标代理只能看到以自我为中心的部分视角，而世界模型则掌握完整状态。
每个动作都分为两个部分：物理载体，例如说话、指点或抓取；以及心理负载，例如安慰、欺骗或拒绝。同样一个把杯子在桌上推过来的动作，可能是在道歉、在欺骗，或者是在表达关怀。只有世界模型里保存的变量才能把它们区分开来。
作者明确表示，他们并不是要模拟意识。心理状态是根据行为和上下文推断出来的假设，而不是直接测量得到的结果。基于该框架构建的系统应当体现不确定性，并保持其假设的透明性。
无须训练的参考实现 MENTIS
为了验证这一理论，研究人员构建了 MENTIS，这是一个不需要额外训练的模块化流水线。它将整个过程拆分为六个步骤。首先，解析场景并生成自我视角。然后，将行动选项分解为物理和心理两部分，并并行模拟由此产生的状态。
接着，流水线会从三个标准对每个分支进行评分：物理合理性、心理一致性和社会适当性。之后，系统做出确定性的决策。每个阶段都会写入机器可读的中间结果，因此错误可以追溯到具体的某一步。
为了进行评估，作者构建了 Menti-Bench，这是一个包含 448 个决策场景的数据集：320 条文本描述、100 个图片故事，以及 28 段声音-视频片段。每个场景都包含六个回应选项，以及一个由人类创建的参考解答，它不仅记录了正确行动，还记录了背后的心理状态和物理状态。78% 的场景涉及至少两个角色。
更多的计算重试无法取代心智建模
心智建模的作用在理论预期应当最强的地方体现得最明显。在人际场景中，F1 分数提升了 26.4 分。在以物体为重点的场景中，提升只有 14.0。基础模型越弱，从这种显式结构中获益越大；而更强的模型受益较小。MWM 与直接答案之间的差距在 GPT-4.1 上为 28 分，而在 GPT-5.6-Sol 上只有 21 分。
瓶颈出现在模拟步骤中
为了找出与人类表现之间剩余差距的来源，作者用人类参考解答替换了流水线中的各个阶段。单项提升最大的是完美的状态转移（+3.5 分），其次是完美的初始状态（+2.8 分）和完美的观察（+1.7 分）。当所有中间步骤都被参考解答替换后，这一流水线达到了 97 分。
剩余差距的大约 80% 可追溯到中间阶段的预测错误，主要集中在转移模拟上。作者认为，未来的改进应从这里开始。难点不在于描述当前状态，而在于模拟相互耦合的物理—心理世界如何变化。
一个至今仍未就自身定义达成一致的领域
世界模型是纯语言模型之后的重要押注。刚刚卸任 Google DeepMind 运营负责人的 Demis Hassabis 说，他把大部分研究时间都花在这个主题上，并预计这些系统会迎来一个“ChatGPT 时刻”。投资者正向 Odyssey 等初创公司投入数亿美元。但究竟什么才算世界模型，仍存在争议。北京大学牵头的一个国际团队最近提出了一个更窄的定义，把 Sora 这类文本到视频模型排除在外，因为它们缺乏与现实世界的反馈回路。Yann LeCun 多年来一直认为生成式方法是一条死胡同，转而支持抽象表征。新论文把 Sora、Genie 和 JEPA 归为同一类，并因它们都存在同样的遗漏而提出批评。
关于心理状态的问题，又回到了语言模型一直难以应对的一个研究领域。来自 Meta FAIR 实验室以及华盛顿大学和卡内基梅隆大学的一个团队已经表明，模型在要求很高的心智理论测试中会失败，而且它们在跟踪世界状态方面的表现，甚至比归因信念还要差。MWM 框架通过一个预处理管线从外部将这些状态应用进去。不过，在模型内部，某种类似的东西正在自行形成。Anthropic 在 Claude 内部发现了一个内部草稿区，其中保存着不会被输出、却又类似词语的“想法”，而没有这些内容，多步推理就会崩溃。
来源与参考
收录于 2026-08-23