心智理论（Theory of Mind）

心智理论指把他人理解为拥有信念与意图的主体，并推断其掌握的信息、可能的错误想法与下一步意图的能力。对人类儿童而言这是社交的基础；对模型而言，它常被当作衡量社会推理深度的尺子——答对事实题并不代表能推断他人视角，两者考察的是不同能力。

常用的评测范式

• 错误信念任务：给出情节后问某个角色会去哪里找东西，答对要求模型区分「事实是什么」与「角色以为是什么」。
• 嵌套信念：处理「甲认为乙以为丙知道」这类多层嵌套，考察模型能否稳定追踪层级而不串位。
• 信息不对称场景：判断某个角色是否看到了关键事件，用来检查模型是否把不同视角的信息混在一起。
• 隐含意图推断：从对话中推断说话人的真实目的，例如委婉拒绝、试探或暗示，考察语用层面的理解。
• 协作与欺骗场景：在多主体互动中判断谁会采取行动、谁在误导，用于安全相关的评估。

争论焦点

争议在于高分是否等于理解：训练语料里存在大量结构相似的情节，模型可能只是记住了套路，把人物名字、物品或叙述顺序一改，成绩就明显下滑。因此更被看重的评测是分布外改写、多轮交互中的持续追踪，以及模型能否说明自己为何这样判断。另一个现实问题是评测题目容易泄漏进训练数据导致成绩虚高，需要用新构造的题目与动态生成的情节来降低污染影响。

为什么它与安全相关

• 信息边界：分不清「我知道」与「他人知道」，就容易在协作中把不该共享的信息泄露出去。
• 越权假设：误判他人意图可能导致自作主张的操作，在自动化流程里代价更高。
• 社会工程风险：理解意图的能力既可用来协作，也可能被用来构造更有说服力的欺骗内容。
• 人机协作：助手要判断用户已知什么，才能给出不重复、不越界、不冒犯的回应。

与情感识别、共情表达的区别是：心智理论关注认知层面的视角推断（知道什么、以为什么），情感识别关注的是情绪状态判断，二者常被混为一谈，但评测方法与失败模式并不相同。评测时还应区分「能推断」与「按推断行动」：模型可能在问答里答对视角问题，却在真实多轮协作中依然按自己掌握的信息行事，因此更有说服力的证据来自带工具、带外部状态的交互式任务。