AutoToM: Automated Bayesian Inverse Planning and Model Discovery for Open-ended Theory of Mind
作者: Zhining Zhang, Chuanyang Jin, Mung Yao Jia, Tianmin Shu
发布时间: 2025-02-25
来源: arxiv
研究方向: 机器理论思维（Machine Theory of Mind）
主要内容
本文介绍了一种名为AutoToM的自动化贝叶斯理论思维方法，旨在实现开放式的机器理论思维。AutoToM能够在任何领域工作，推断任何心理变量，并执行任何阶数的鲁棒理论思维推理。
主要贡献
1. 提出了一种自动化贝叶斯理论思维方法，实现开放式的机器理论思维。
2. 通过自动化贝叶斯逆规划和模型发现，提高了理论思维推理的灵活性和鲁棒性。
3. 在多个理论思维基准测试中实现了最先进的性能，证明了方法的可扩展性和可解释性。
研究方法
1. 贝叶斯逆规划（Bayesian Inverse Planning）
2. 大型语言模型（Large Language Model）
3. 自动化模型发现（Automated Model Discovery）
4. 信息提取（Information Extraction）
5. 模型调整（Model Adjustment）
实验结果
AutoToM在多个理论思维基准测试中取得了最先进的性能，优于其LLM后端GPT-4o，并在某些情况下与手动指定的模型相当。此外，AutoToM的消融研究表明，其各个组件均对性能有显著贡献。
未来工作
未来将探索隐式模型提出和贝叶斯推理的可能性，以进一步提高AutoToM的鲁棒性并降低其推理成本。