逆心理理论建模用于内容推荐：从网页浏览到动态智能界面

现代推荐系统把观察到的行为当作用户偏好的可靠代理，但交互往往反映的是探索或比较，而非稳定的偏好表达。随着界面从静态布局走向生成式UI与沉浸式扩展现实（XR），对更深入、与模态无关的用户理解的需求不断增长：这些自适应环境不仅要决定呈现什么，还要决定在哪里、何时、以何种突出程度呈现，以及最重要的——用户为何行动。我们提出逆心理理论（Inverse Theory of Mind, IToM）管线，从观察到的交互反向推理，以推断能解释行为的信念、偏好与决策特质。该管线重建每个用户的决策情境，包括选择了什么以及有哪些备选项，应用LLM驱动的反事实推理生成有证据支撑的自然语言信念陈述，并通过多假设溯因推理将这些信念综合为结构化用户画像。我们在OPeRA数据集上对照真值人格评估、态度调查和基于访谈的画像，在四项任务上进行评估：下一动作预测、购物态度对齐、大五人格推断和留出类别预测。结果表明，推断出的画像匹敌或超过真值画像，且多假设推理对准确的人格预测至关重要。我们进一步通过VisionOS上的画像驱动空间银行应用展示了跨模态可迁移性。