IT之家 12 月 20 日消息，Meta 公司攜手華盛頓大學(xué)和卡內(nèi)基梅隆大學(xué)，組建科研團隊，合作開發(fā)了 ExploreToM 框架，旨在更有效地評估和訓(xùn)練大語言模型（LLM）的心智理論（Theory of Mind，ToM）能力。
心智理論心智理論（Theory of Mind，ToM）是人類社會智能的基礎(chǔ)之一，能讓我們能夠理解他人的想法、意圖和信念。這種認知能力對于有效的溝通和協(xié)作至關(guān)重要，是復(fù)雜社交互動的支柱。
讓 AI 也具備 ToM 能力，對于創(chuàng)建能與人類無縫互動的智能體至關(guān)重要，只是當前大型語言模型（LLM）在 ToM 方面仍面臨巨大挑戰(zhàn)。
現(xiàn)有的基準通常缺乏復(fù)雜性和多樣性，導(dǎo)致高估模型能力。例如，許多基準測試基于簡單的預(yù)定義場景，無法復(fù)制人類用來推斷心理狀態(tài)的復(fù)雜推理。
ExploreToM 框架ExploreToM 通過生成多樣化、可擴展的對抗性數(shù)據(jù)集，為提升 AI 的 ToM 能力奠定了堅實基礎(chǔ)。該研究強調(diào)了當前模型的局限性，以及高質(zhì)量訓(xùn)練數(shù)據(jù)對于彌合這些差距的潛力。
在數(shù)據(jù)集方面，ExploreToM 利用 A* 搜索算法和特定領(lǐng)域語言生成多樣化、高難度的測試數(shù)據(jù)集，模擬復(fù)雜的社會情景，挑戰(zhàn) LLM 的認知極限。
ExploreToM 與現(xiàn)有基準測試不同，通過創(chuàng)建對抗性故事場景，旨在揭示 LLM 在 ToM 推理中的盲點。
此外該框架還引入了非對稱信念更新機制，可以模擬不同角色對同一情況持有不同觀點的復(fù)雜社交互動。
主流模型測試效果GPT-4o 和 Llama-3.1-70B 模型在 ExploreToM 數(shù)據(jù)集上的準確率分別只有 9% 和 0%，凸顯了現(xiàn)有 LLM 在處理復(fù)雜 ToM 推理方面的不足。
在 ExploreToM 數(shù)據(jù)上進行微調(diào)后，模型在經(jīng)典 ToMi 基準測試中的準確率提高了 27 個百分點，證明了該框架的有效性。
IT之家附上參考地址
