OpenToM: A Comprehensive Benchmark for Evaluating Theory-of-Mind Reasoning Capabilities of LLMs

828 篇文章

已下架不支持订阅

OpenToM是一个评估大型语言模型(LLM)理论思维(N-ToM)能力的新基准,旨在解决现有基准的局限,如模糊叙事和有限问题多样性。实验显示,最先进的LLM在物理世界建模上表现出色,但对角色心理世界的理解有待提高。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文是LLM系列文章,针对《OpenToM: A Comprehensive Benchmark for Evaluating Theory-of-Mind Reasoning Capabilities of Large Language Models》的翻译。

OpenToM:一个评估大型语言模型思维推理能力理论的综合基准

摘要

神经心理理论(N-ToM)是机器理解和跟踪他人心理状态的能力,是开发社会智能主体的关键。然而,流行的N-ToM基准有几个缺点,包括存在模棱两可和人为的叙事,缺乏个性特征和偏好,缺乏解决角色心理心理状态的问题,以及提出的问题的多样性有限。针对这些问题,我们构建了OpenToM,这是一个评估N-ToM的新基准,(1)更长、更清晰的叙事故事,(2)具有明确个性特征的角色,(3)由角色意图触发的动作,以及(4)旨在挑战LLM建模角色生理和心理世界心理状态的能力的问题。使用OpenToM,我们发现,最先进的LLM在物理世界中对心理状态的某些方面进行建模时表现出色,但在跟踪角色在心理世界中的心理状态时表现不佳。

1 引言

2 OpenToM数据集

3 实验

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值