推理模型在心理理论任务上未必优于非推理模型

心智理论（Theory of Mind，ToM）评估模型能否推断信念、欲望和意图等隐藏心理状态，这对自然的社交互动至关重要。尽管大型推理模型（Large Reasoning Model，LRM）的近期进展提升了数学和编程中的逐步推理，这一收益能否迁移到社会认知技能仍缺乏充分研究。我们对九个先进大语言模型（Large Language Model，LLM）开展系统研究，在三个代表性 ToM 基准上比较推理模型与非推理模型。结果显示，推理模型并不一致地优于非推理模型，有时表现更差。细粒度分析揭示了三点洞见。其一，慢思考崩塌：随着回答变长，准确率显著下降，更大的推理预算反而损害性能。其二，适度且自适应的推理有益于表现：约束推理长度可以缓解失败，而不同的成功模式则表明动态适应的必要性。其三，选项匹配捷径：当移除多选选项时，推理模型显著提升，表明其依赖选项匹配而非真正的演绎。我们还设计了两种干预方法——慢到快（Slow-to-Fast，S2F）自适应推理与思考到匹配（Think-to-Match，T2M）捷径防范——以进一步验证并缓解上述问题。综合所有结果，我们的研究强调，LRM 在形式推理（如数学、代码）上的进步无法完全迁移到作为社会推理典型任务的 ToM 上。我们的结论是，实现稳健的 ToM 需要在现有推理方法之外发展独特的能力。