ToM2Vec：用连续心智理论向量提升LLM多智能体协作
UNC教堂山分校团队联合Cisco与UT Austin发布论文ToM2Vec，针对LLM智能体在多智能体协作中难以推断同伴潜在状态的问题，提出把同伴的心智理论（Theory of Mind）编码为固定预算的连续潜在推理向量，而非像语言化ToM那样锁定单一推理路径，从而可同时持有关于队友想法的多个假设。
已确认
- 训练机制：主智能体基于自身观察与交互历史预测连续的ToM思考向量以预判队友推理；训练时由队友生成推理轨迹（CoT），从轨迹中均匀抽取10个隐状态向量作为潜在监督目标。
- 实验结果：在五个多智能体任务上超越训练与未训练的语言ToM基线，其中Overcooked在三个布局上平均胜出。
- 表达形式对比：与显式用文字总结队友推理的Language ToM匹配模型相比，Overcooked上ToM2Vec平均高出约9分（Language ToM平均97.6分），直接验证了连续token优于离散文本表达。
- 跨模型泛化：完全通过与Qwen3-8B伙伴自博弈训练、不接触其他模型，再与未见过的模型组队测试Overcooked；与GPT-5.4组队时，相比「GPT-5.4 + 未训练Qwen3-8B」平均提升17.3分。
- 可解释性验证：在Overcooked中直接向智能体提问队友的信念、欲望与下一步行动（贝叶斯ToM探测），ToM2Vec在三类探测中全部最高，相比各类最强基线分别提升5.6、2.0、2.7分。
为什么重要
- 传统语言化ToM倾向于过早收敛到单一推理路径，ToM2Vec的连续向量表征保留了多种假设，为多智能体人机协作提供了一种更灵活、可解释且可迁移到陌生队友的建模方式。
2026-10-22 ~ 2026-10-23 · 9 条相关
一手来源
- UNC 团队提出 ToM2Vec:用连续推理 token 建模队友心智状态 — UNC-ChapelHill ·
- ToM2Vec：用连续心智向量让 LLM 智能体学会揣摩队友 — EliasEskin ·
- ToM2Vec 方法拆解：从队友 CoT 提取 10 个隐状态向量做监督训练 — EliasEskin ·
- 【源头】UNC 团队提出 ToM2Vec:用连续推理 token 建模队友心智状态 — UNC-ChapelHill · 2026-10-22
- 【源头】ToM2Vec：用连续心智向量让 LLM 智能体学会揣摩队友 — EliasEskin · 2026-10-22
- 【源头】ToM2Vec 方法拆解：从队友 CoT 提取 10 个隐状态向量做监督训练 — EliasEskin · 2026-10-22
- 潜在向量胜过文本表达：ToM2Vec 在 Overcooked 上高出语言基线 9 分 — EliasEskin · 2026-10-22
- ToM2Vec 跨模型泛化：Qwen3-8B 自博弈训练，与 GPT-5.4 组队涨 17.3 分 — EliasEskin · 2026-10-22
- ToM2Vec 向量可解释性验证：信念/欲望/行动三项探测全面领先 — EliasEskin · 2026-10-22
- ToM2Vec：用向量表征让智能体读出队友的信念与意图 — EliasEskin · 2026-10-22
另有 2 条近重复转述:EliasEskin · EliasEskin