论文
分布式部分信息谜题：考察认知不对称下的共同基础构建
Distributed Partial Information Puzzles: Examining Common Ground Construction Under Epistemic Asymmetry
摘要
建立共同基础（common ground）——一套共享信念与相互认可的事实——是协作的基础，但对当前AI系统仍是挑战，尤其是在多模态、多方的环境中，协作者掌握着不同的信息。我们提出Distributed Partial Information Puzzle（DPIP），一个在认知不对称下引出丰富多模态沟通的协作构建任务。我们提供了这些交互的多模态数据集，在语音、手势和动作模态上进行标注和时间对齐，以支持对命题内容和信念动态的推理。随后我们评估两种建模共同基础（CG）的范式：(1)被提示从多模态更新中推断共享信念的最先进大语言模型（LLM），以及(2)一个基于动态认知逻辑（DEL）、增量执行相同任务的公理化流水线。在标注DPIP数据上的结果表明，该任务对现代LLM同时跟踪任务进展和信念状态的能力构成挑战。
