知识卡片：心理世界建模

一句话结论

将智能体的信念、意图、情感等心理变量作为世界模型的核心组件，而非事后解释，可以显著提升对人类决策的预测准确性。

研究问题

现有世界模型仅回答物理问题（物体是什么、在哪里、如何演化），但人类行为由隐藏的心理状态驱动（相信什么、想要什么、打算什么、感受什么、认为什么社会许可）。一个只跟踪物理场景却不跟踪每个智能体所知所信的世界模型，会在貌似正确的场景下预测出错误的行为。如何将心理变量纳入世界模型的形式化框架？

方法/产品要点

• Mental World Modeling (MWM)：通用理论框架，将心理变量作为世界模型的核心组件（而非事后解释）。维护一个耦合的物理‑心理世界状态，渲染目标特定的部分观察，模拟候选动作如何同时更新物理和心理两个分量。
• MENTIS 实例化：无训练、完全可检查的基线，将过程分解为：状态解析 → 目标观察生成 → 动作分解 → 耦合的物理与心理转换 → 分支级价值评估。
• 数据集：人工构建、质量控制的场景决策数据集，包含文本、图像、有声视频故事。

主要结果或产业意义

• 使用8种现代基于LLM的世界模型在人工数据集上实验，结果表明显式建模心理状态对预测人类决策至关重要。
• 深入分析暴露了当前心理世界建模的瓶颈。
• 预期MWM可作为世界建模的下一阶段：从模拟物理场景转向模拟在场景中行动的“心智”。

为什么重要

• 突破了传统世界模型只关注物理动态的局限，首次将心理变量形式化为世界状态的核心维度。
• 与已有世界模型卡片（如多玩家交互世界模型、Masked Visual Actions）不同，MWM不依赖特定环境或控制接口，而是从高层认知层面提出通用框架，是对“世界模型应包含哪些变量”的根本性重新定义。

局限与不确定性

• 实验仅基于人工构建的场景数据集，在真实驾驶、机器人操作等复杂环境中的泛化能力待核实。
• 心理状态的获取方式（如从语言或视觉信号中解析）未详细说明，实施难度待核实。
• 框架当前无训练，但大规模应用时是否需要学习心理动态参数待核实。
• 与现有具身世界模型如何整合（如是否需依赖视觉观测）尚未讨论。

可用于图书/PPT/简报的角度

• “从预测石头到预测人心”：世界模型演变的关键转折点。
• 以“人类为什么在相同物理场景下做出不同选择”为引子，介绍心理世界建模的必要性。
• 对比传统物理世界模型与MWM在自动驾驶、社交机器人、游戏AI中的潜在差异。

原始材料

• URL: https://arxiv.org/abs/2607.27201v1
• Track: academic
• Topics: foundation-model
• 英文标题: Mental World Modeling
• 英文关键词: （摘要中未显式列出，可补充为：world models, mental state, decision prediction, foundation model）