心理世界建模

世界模型为规划和行动提供了预测基础，但现有的公式仅回答了一个物理问题：它是什么/在哪里，以及它将如何演变。然而，人类行为是由隐藏的心理状态（一个人相信、想要、打算、感觉和认为社会允许的）驱动的，因此跟踪物理场景而不是每个智能体所知道和相信的模型会预测正确场景的错误动作。我们制定了心理世界建模（MWM），这是一个通用的理论框架，它使心理变量成为世界模型的核心组成部分，而不是事后的基本原理：MWM保持耦合的物理-心理世界状态，呈现特定于目标的部分观察，并模拟候选动作如何共同更新这两个组成部分。我们在 MENTIS 中实例化该框架，这是一个 无需训练 和完全可检查的基线，它将过程分解为状态解析、目标观察生成、动作分解、耦合的身体和心理转换以及分支级价值评估。在手动构建的、质量受控的涵盖文本、图像和声音视频故事的情境决策场景数据集上，使用 8 个基于 LLM 的现代世界模型进行的实验表明，显式建模心理状态对于预测人类决策至关重要。更深入的分析进一步暴露了当前心理世界建模的瓶颈。我们期望 MWM 成为世界建模的下一阶段，从模拟物理场景到模拟其中的思维。