ToMStories 数据集发布：评测语言模型心理理论推理能力
原文标题：ToMStories: Interpreting Theory-of-Mind in Synthetic Narratives
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者构建 ToMStories 数据集，包含约 6000 条合成叙事短文，考察模型对角色情绪、恐惧、动机等心理状态的推断。评测 13 个 1B 至 72B 开源模型发现，最大模型在多选题上接近人类，但开放式问题仍明显落后。研究提示合成数据可能高估模型理解真实人类的能力。
- 问题
- 语言模型能否从行为推断他人情绪、动机等心理状态。
- 方法
- 构建约 6000 条合成叙事数据集，含隐式、显式与冲突三种表达，评测 13 个开源模型。
- 结果
- 最大模型多选题接近人类，开放式问题明显落后。
- 影响
- 合成数据可能高估模型理解真实人类的能力，心理状态推断评测需引入真实语料。
深读 · 结论先行AI 生成展开看要点与影响 ↓
ToMStories 约 6000 条合成叙事评测 13 个 1B–72B 开源模型：最大模型多选题接近人类，开放式问题仍明显落后。
- •数据集含约 6000 条合成叙事短文，每题问角色情绪、恐惧、动机或情感创伤，心理状态以展示、直述或对话与描述冲突三种方式呈现。
- •评测 13 个开源权重模型，参数范围 1B 至 72B。
- •最大模型在多选题上达到人类水平，但开放式问题未达到。
- •分析显示模型在解读与生成隐含心理状态时存在简化，作者据此认为合成数据可能高估模型理解真实人类的能力。
为什么重要：心理理论评测若依赖合成数据，可能系统性高估模型的社会理解能力，影响相关能力宣称的可信度。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。