潜在向量胜过文本表达：ToM2Vec 在 Overcooked 上高出语言基线 9 分
EliasEskin · x · 2026-10-22
该帖对比 ToM2Vec（潜在向量）与显式用文字总结队友推理的匹配模型（Language ToM），直接检验连续 token 与离散文本表达的差异。
- Overcooked 上 Language ToM 平均 97.6 分，ToM2Vec 达 106.7，三个布局全部占优
- 在 Coordination Ring 布局，语言化 ToM 甚至略低于未训练模型，而 ToM2Vec 提升 11.6 分
结论：让智能体在潜在空间学习抽象的队友表征，比强迫其用文本完整表达队友模型更有效。
所属事件:ToM2Vec：用连续心智理论向量提升LLM多智能体协作(9 条相关)→
「研究」频道最新
- DeepMind 用稀疏自编码器造出可解释 AI 文本检测器，性能反超黑盒 — dair_ai · 2026-10-23
- Cohere Labs 发布 CulturalRiddles,测模型懂不懂语言背后的文化 — Cohere_Labs · 2026-10-23
- SpatialScout 基准：80 个 3D 场景考 VLM 主动探索建图能力 — _akhaliq · 2026-10-23
- 低成本模块化 UMI 数据采集装置开源思路获关注 — k7agar · 2026-10-23
- SWE 新基准用 76 词短 prompt 考真工程决策，远短于同行 291-427 词 — echen · 2026-10-23
- 1275 条标注训练 8B 安全分类器，五项基准平均胜 GPT-5.4 — HaggaiMaron · 2026-10-23