理解心理状态以引导多人群体对话中的社会影响

现有的动态心智理论（ToM）基准大多让语言模型处于被动角色：模型阅读一连串相互关联的场景，并报告随着这些状态变化人们相信、感受、打算与做什么。在真实社会互动中，ToM 还被用于行动：说话者计划说什么，以便把另一个人的心理状态轨迹推向某个目标。我们提出 SocialMindChange，一个从追踪心智转向在社交互动中改变心智的基准。每个实例定义一个包含 4 个角色与五个相连场景的社交情境。模型扮演其中一个角色，跨越五个场景生成对话以达成目标，同时与所有参与者不断演变的状态保持一致。SocialMindChange 还包含精选的高阶状态。使用结构化四步框架，我们构建了 1,200 个社交情境，覆盖 6000 个场景与超过 90,000 个问题，每个都经过真实性与质量校验。对十个最先进 LLM 的评估显示，其平均表现比人类低 54.2%。这一差距表明，当前 LLM 在长程、相互关联的互动中维持与改变心理状态表征仍然困难。