情境图预测：用户建模的结构化视角推理

视角感知人工智能需要对不断变化的内部状态（目标、情感、背景）进行建模，而不仅仅是偏好。进展受到数据瓶颈的限制：数字足迹对隐私敏感，并且视角状态很少被标记。我们提出了情境图预测（SGP），这是一项将透视建模构建为逆推理问题的任务：从可观察的多模态工件中重建结构化的、与本体对齐的透视表示。为了在没有真实标签的情况下实现基础，我们使用结构优先的合成生成策略，通过设计将潜在标签和可观察痕迹对齐。作为试点，我们构建了一个数据集，并使用检索增强的上下文学习作为监督的代理来运行诊断研究。在我们对 GPT-4o 的研究中，我们观察到表面水平提取和潜在透视推理之间的差距——表明在我们的受控设置下，潜在状态推理比表面提取更难。结果表明 SGP 并不平凡，并为结构优先的数据合成策略提供了证据。