ToM2Vec 方法拆解：从队友 CoT 提取 10 个隐状态向量做监督训练
EliasEskin · x · 2026-10-22
作者详解 ToM2Vec 的训练机制：让智能体从自身观察与交互历史预测连续的 ToM 思考向量，以预判队友的推理。
- 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
- 主智能体基于自身上下文预测 10 个连续 ToM token，用余弦相似度目标对齐队友下一步的真实隐状态
- 推理时智能体自回归生成自己的 ToM token，再据此约束后续推理与行动
设计动机：文本形式的 ToM 会让智能体过早锁定对队友的单一假设，而连续向量能同时保持多个假设的叠加，更符合心智理论的抽象与不确定性本质。该方法可迁移到未见过的队友，包括前沿模型队友。
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