ToM2Vec 用连续心智理论向量提升多智能体协作，五项任务全面胜出
EliasEskin · x · 2026-10-22
EliasEkin 发布 ToM2Vec 方法的实验结果：让 LLM 智能体生成连续的「心智理论」（ToM）思考向量来建模队友想法，在五个多智能体任务上超越训练与未训练的语言 ToM 基线。
- Overcooked：三个布局平均分从 94.7 提升至 106.7，各基线几乎无提升
- 多方谈判：成交率从 62% 升至 71%，自身得分与集体效用同步提高
- Decrypto：解码者与拦截者胜率分别提升 4.4 和 6.1 个百分点
- Hanabi：得分从 8.9 升至 11.3（满分 25），Collab Capture 和 Escape 也有提升
作者解释为何用连续 token 而非文本表达 ToM：文本会让智能体锁定单一假设，而好的心智理论应保持多假设的叠加态，连续思维向量恰好适配这一需求。实验统一基于 Qwen3-8B。
所属事件:ToM2Vec：连续心智向量让LLM智能体学会揣摩队友(5 条相关)→
「编程与Agent」频道最新
- 针对 LiteLLM 供应链事故,作者发布 6 套 Agent 网络防御工具包 — alvelda · 2026-10-23
- AI 每日实验规划 agent:一个 prompt 帮科学家省去跑腿确认试剂库存 — nlarusstone · 2026-10-23
- 两台 £300 骁龙迷你 PC 无 GPU 跑 Qwen3.8 Flash Next，实测 46 tok/s — WorldlyAd7946 · 2026-10-22
- Chrome 工程师发问:agent 让安全响应更好,还是 10 倍速部署漏洞? — fhinkel · 2026-10-22
- Loom 推出 record for agent:用语音和视觉给 agent 喂上下文 — davidhoang · 2026-10-22
- Hugging Face 将 OpenEnv 捐给 AAIF 与 Linux Foundation 中立治理 — ben_burtenshaw · 2026-10-22