注意视角：让我们递归推理心智理论

心理理论 (ToM) 推理需要从部分和不对称的观察中推断主体的信念，这对于大语言模型来说仍然是一个公开的挑战。现有的基于提示的方法通过可观察事件过滤或时间信念链改进 ToM 推理，而无需显式建模嵌套信念。我们引入了 RecToM，这是一种用于 ToM 推理的推理时间框架，通过递归透视构造对嵌套信念进行建模。 RecToM 从前一个角色视角沿着问题指定的角色链构建每个角色视角，将高阶信念问题还原为最终构建的视角中的现实世界问题。我们进一步提供了 KD45 分析，表明 RecToM 的视角构建引发了一种超越简单事件过滤的格式良好的信念模态。跨多个 LLM 主干的 ToM 基准（包括 Hi-ToM、Big-ToM 和 FanToM）实验表明，RecToM 始终优于最新的先进方法，实现了最先进的性能。值得注意的是，RecToM 在使用 GPT-5.4 和 Qwen3.5（需要高阶 ToM 推理的基准）的 Hi-ToM 上达到了 100% 的准确率。