结论

北卡罗来纳大学教堂山分校、思科与得克萨斯大学奥斯汀分校团队在北京时间2026年10月22日公开预印本ToM2Vec，提出以固定数量连续隐向量在模型隐空间为伙伴智能体建模心智，并在Overcooked-AI、多方谈判、Decrypto、Hanabi与协作逃脱/捕获五类环境中相对Qwen3-8B基座取得一致提升。其中Overcooked平均提升12.0分，多方谈判成交率从62.0%升至71.0%，与未见过的GPT-5.4搭档时平均提升17.3分。作者结论为隐式心智建模优于文本式心智建模，仍属作者在受控环境中的实验结论，未经同行评审，需独立复现。

研究状态与对象

该工作状态为arXiv预印本，尚未经过同行评审。研究对象是基于大语言模型的双智能体与多智能体协作，主智能体需要在部分可观察条件下推断伙伴的目标、信念与下一步行动。训练与评测以Qwen3-8B为基座自博弈展开，测试时扩展至GPT-5.4与Gemma-4等未见模型家族的搭档，但人类搭档与开放长程任务不在本次验证范围内。

方法与评估条件

ToM2Vec不让模型用自然语言描述单一伙伴状态，而是让主智能体从自身局部观察与交互历史预测固定预算的连续隐向量，并在训练中以伙伴真实思考轨迹压缩后的隐向量为目标做逐位置余弦对齐。推理时伙伴私有上下文不可见，主智能体仅凭本地上下文生成心智标记，再以其调节后续思考与行动。评估覆盖协作、竞争与混合动机五类环境，对比基线包括未训练基座、提示式心智建模与显式文本化心智训练，并通过信念、欲望与行动探针检验隐标记是否编码伙伴相关信息。

数据范围与主要结果

作者报告在五类环境中均优于基座与竞争基线，文本化心智表达会带来性能下降，支持隐空间抽象的必要性。Overcooked平均提升12.0分，谈判成交率提升9个百分点。跨家族泛化是主要亮点：仅用Qwen3-8B自博弈训练，与GPT-5.4搭档仍平均提升17.3分，与Gemma-4搭档持平或更优。附加分析称隐标记能更好回答伙伴信念问题，且来自真实上下文的隐标记对真实推理困惑度更低，Sally-Anne式错误信念测试与新证据下的信念修正亦有改善，但均为作者受控分析。

局限与不确定性

局部基准结果不得写成普遍协作能力，模拟与棋盘环境结果不得写成因果或已获认可的事实。训练依赖同模型共享表征空间的自博弈，异构模型与真实人类搭档的稳定性、超参敏感性、训练成本与失败分布未充分披露。与专有模型的搭档结果基于特定快照，版本变化可能改变结论。代码仓库已在论文中给出，但本次未将其作为日期证据，复现仍需等待第三方验证。潜在意义在于为多智能体协作提供一种低语言承诺的心智建模路径，若能在更开放任务与人类搭档中复现，或减少显式通信依赖，但当前不宜直接用于生产部署判断。