Mental World Modeling
论文提出 Mental World Modeling (MWM) 框架，将心理变量（信念、意图、情感等）作为世界模型的核心组件，而非事后解释。实例化 MENTIS 基线，在文本、图像、视频故事数据集上验证。
Development
- First ReportMental World ModelingarXiv cs.CL
- Current Assessment该工作表明，AI 系统若要准确预测人类行为，必须建模心理状态。这对社交机器人、自动驾驶（预测行人意图）、游戏 NPC 等场景有直接影响。下一可验证信号：是否有公司或实验室将 MWM 集成到实际产品中。Agent Pulse · analysis
论文《Mental World Modeling》指出，现有世界模型仅回答物理问题（什么/在哪里/如何演化），但人类行为由隐藏心理状态驱动。作者提出 MWM 框架，将心理变量作为世界模型的核心组件，维护耦合的物理-心理世界状态，生成目标特定部分观察，模拟候选行动如何联合更新两个组件。实例化 MENTIS 基线，分解为状态解析、目标观察生成、行动分解、耦合物理与心理转移、分支级价值评估。在手动构建的文本、图像、视频故事数据集上实验，结果显示 MENTIS 在预测人类行动方面优于纯物理世界模型。
MWM 将心理状态（信念、意图、情感、社会许可）显式建模为世界状态的一部分，而非事后归因。MENTIS 采用训练无关、完全可检查的分解流程，包括状态解析、目标观察生成、行动分解、耦合转移和分支价值评估。这为可解释的社交智能体提供了新范式。下一可验证信号：是否有后续工作将 MWM 扩展到连续动作空间或在线学习场景。
该工作表明，AI 系统若要准确预测人类行为，必须建模心理状态。这对社交机器人、自动驾驶（预测行人意图）、游戏 NPC 等场景有直接影响。下一可验证信号：是否有公司或实验室将 MWM 集成到实际产品中。
对于开发人机协作系统的公司，MWM 提供了更准确的人类行为预测方法，可提升用户体验和任务成功率。例如，智能助手能根据用户信念和意图调整响应。下一可验证信号：是否有初创公司基于 MWM 开发社交智能体产品。
MWM 可能成为下一代具身智能体的核心组件，使 AI 不仅能理解物理世界，还能理解人类意图。未来需解决心理状态的可观测性和计算效率问题。