GroupToM-Bench：MLLM 中的群体心理理论和非线性社会涌现的基准测试

真正的通用智能不仅需要物理世界模型，还需要社会世界模型：推断个体心理状态如何相互作用并具体化为群体层面结果的能力。尽管在个体层面的心理理论 (ToM) 推理方面取得了显着进展，但现有的多模态 大语言模型 未能完成这项更广泛的任务。集体行为是从社会紧张、从众动态和结构约束中非线性出现的，这意味着它不能通过简单地总结个人意图来恢复。我们提出了 GroupToM-Bench，这是第一个群体层面 ToM 的多模式基准，围绕跨越微观层面 BDI 状态（信念、愿望、意图）、中观层面群体紧张和结构约束以及宏观层面结果预测和机械归因的因果链构建。为了探索这个完整的弧线，我们开发了一个七级认知审计框架。实验揭示了当前模型与人类基线之间的差距，凸显了处理社会结构和非线性集体动态的失败。