Thinking for Doing:让LLMs能推断他人心理状态来做出适当的行动。

LLMs通常能回答有关心理状态的问题,但往往不能将这些推断用于实际行动。例如,如果一个故事中的角色正在寻找他的背包,而模型知道背包在厨房里,那么模型应该能推断出最好的行动是建议角色去厨房查看。

T4D 的目的就是要求模型不仅要能回答有关其他人心理状态的问题(这是许多现有评估方法的焦点),还要能根据这些推断来选择最佳的行动方案。

论文: arxiv.org/abs/2310.03051
**PDF:**arxiv.org/pdf/2310.03051...

解决方案

为了解决这一问题,作者引入了一个零样本提示框架,名为"Foresee and Reflect"(FaR),该框架能显著提高LLMs在T4D上的性能。
工作原理

Foresee and Reflect"(FaR)主要由两个组件组成:预见(Foresee)和反思(Reflect)。

1. 预见(Foresee)

在这一阶段,模型被引导去预测或预见可能的未来事件或行动,并对它们进行初步的评估。这通常涉及到对故事或场景中角色的心理状态(如信念、意图等)的理解,并基于这些理解来预测他们可能会采取哪些行动。

2. 反思(Reflect)

在预见阶段之后,模型进入反思阶段。在这里,模型需要重新考虑其先前的预测和评估,以确定是否需要调整或优化。这可能涉及到更深入地理解角色的心理状态,或者考虑更多的环境因素和可能的结果。
FaR 在 T4D 中的应用

通过结合预见和反思两个阶段,FaR 框架能够引导模型进行更结构化、更深入的推理。这不仅有助于模型更准确地理解角色的心理状态,还使其能够更有效地将这些理解转化为适当的行动或决策。例如,如果在一个故事中,一个角色想找到他的背包,模型首先会在预见阶段预测角色可能会去哪里找。然后,在反思阶段,模型可能会考虑其他因素,如角色过去在哪里找到过背包,或者在当前环境中哪些地方最可能存放背包,从而优化其行动建议。

相关推荐
知行产研9 分钟前
会感知、能协同,金科【钻孔】智能化路线 | bauma CHINA 2026
大数据·人工智能
谙弆悕博士19 分钟前
从“预测下一个词”到“预测世界下一状态”:世界模型是不是下一个AGI叙事?
人工智能·gpt·深度学习·神经网络·agi·jepa·genie 4
敖老师22 分钟前
企业知识库 × 飞书机器人 —— 从 0 到 1 接入
人工智能
AI前端工程狮26 分钟前
我给 MCP 长任务做了持久化,结果造出一堆僵尸
人工智能·程序员
黑科技iOS上架40 分钟前
iOS游戏换皮上架困境:4.3同质化拒审
人工智能·ios·审核
咕泡科技42 分钟前
关于机器学习,如何通俗理解全连接层(fully connected layer)?
人工智能·深度学习·机器学习
Java后端的Ai之路44 分钟前
Java并发编程22-Lock接口
java·人工智能·prompt·lock
oil欧哟1 小时前
AI 编程与写作高效工作流:语音输入、反问采访与多话题并行
人工智能
翰墨之道1 小时前
黄仁勋回归传闻升温:英伟达领导层风波牵动AI产业
人工智能·数据挖掘·回归
天天代码码天天1 小时前
把闲置电脑变成家庭照片备份站:开源 lw.HomeNAS v1.5.0 发布
人工智能