Avalon-ToM-Bench：用非对称博弈机制评估细粒度心理理论

心理理论（ToM）对智能体交互至关重要，但现有评估要么依赖过度简化心理状态推理的静态场景，要么采用诊断洞察有限的交互设定。我们提出Avalon-ToM-Bench，一个通过《The Resistance: Avalon》非对称信息机制操作化ToM的细粒度基准。它不评估端到端对局，而是用人工构建、视角受限的查询将ToM分解为2×2分类：认识性对动机性推理，交叉推理对行动。对28个大语言模型的基准测试揭示三点洞见：1）是推理问题，不是知识问题。模型表现出较强的游戏规则理解，但ToM能力明显更弱，说明失败源于社会推理而非领域知识缺失。2）是表达问题，不是表征问题。通过线性探针和激活引导的机制分析表明，模型经常在隐藏状态中表征了正确的心理状态推断，却在生成时未能表达出来——线性探针可达77-82%的准确率，而模型自身的思维链仅为62-70%。3）是策略问题，不是深思问题。专门的推理训练带来大幅提升，而测试时思维链仅带来边际收益（平均+11.0分对比+1.1分），表明稳健的ToM依赖于学习到的推理策略，而非增加推理时深思。