OmniToM：評估大型語言模型的心智理論能力
OmniToM 是一個全新的基準測試，旨在透過要求明確的信念結構建模，而非僅僅評估最終答案，來評估大型語言模型（LLM）的心智理論能力。研究顯示，目前的模型在處理追蹤動態心理狀態所需的複雜知識獲取與表徵任務時仍面臨挑戰。
Search
直接匹配不多，已補上最新動態。
Tag: #theory-of-mind4 results
OSCToM：透過強化學習引導生成提升心智理論能力
OSCToM 提出了一種用於建模 LLM 中嵌套信念衝突的新方法，顯著提升了複雜社交推理任務的表現。透過結合強化學習與組合代理模型，該方法在 FANToM 等資訊不對稱基準測試中實現了卓越的準確度。
StoryTR：心智理論敘事影片時間檢索
StoryTR 推出首個需心智理論（ToM）推理的影片片段檢索基準，包含 8.1k 個短影片樣本，用於敘事理解。目前模型如 Gemini-3.0-Pro 僅達 0.53 Avg IoU，因缺乏意圖與因果推理。經 Agentic Data Pipeline 以 ToM 鏈訓練的 7B Shorts-Moment 模型，提升 +15.1% 相對 IoU。
圖形提升 LLM 多代理推理
研究人員透過 Hanabi 遊戲，在 3,000+ 次試驗及四個 LLM 系列中測試明確信念圖形，以提升合作多代理推理效能。圖形在閘控動作選擇時至關重要，讓強模型在二階心智理論上達 100% 成功率，對比基準 20%。關鍵發現包括「規劃者違抗」、代理間慣例優於單代理方法，以及淺層圖形提供最佳成本效益。
AI 需求先暴增，利潤仍在路上
GDS Holdings 顯示，AI 相關資料中心訂單的增長速度快於已確認收入。這項趨勢反映需求強勁，但基礎設施擴建週期也使獲利延後。
Windows 為何成為 AI PC 的絆腳石
隨著 AI 工作負載提高對系統資源的需求，Microsoft 正重新最佳化 8GB 以上裝置的 Windows 記憶體使用。文章認為，舊版相容性、整合服務、WebView2 與分散的資源管理，正壓縮本地模型和 AI Agent 可用的記憶體空間。
星海圖探索具身智能產業化
量子位報導星海圖與產業夥伴共同討論具身智能從模型走向生產力的路徑。文章強調透過產業協作，推動具身智能真正落地到多個行業。
Codex 正縮小與 Claude Code 的差距
OpenAI 表示 Codex 活躍使用者已突破 2,000 萬，第三方追蹤數據則顯示其近期增速超越 Claude Code。Claude Code 目前規模仍較大且深受開發者採用，但隨著 Anthropic 接近早期市場飽和，其高速成長已經放緩。
🔬
腦機介面助患者重新站立與看見
中國多項臨床試驗正利用腦機介面，協助脊髓損傷患者站立與行走，並讓失明患者恢復有限的視覺感知。試驗結果差異很大，凸顯這項技術的潛力，以及目前在訊號採集、解碼與復健方面的限制。
Alibaba 重組 AI 與雲端業務
據報 Alibaba 正合併電商業務、整合雲端與晶片業務，並將 Qwen 拆分為獨立子公司。報導亦涵蓋 Unitree 計畫登陸科創板、Anthropic 據傳的年化營收，以及 Alibaba 持續投入 AI 對利潤與現金流造成的壓力。