提出非对话规划心理理论(NCP-ToM)评估框架NCP-ExploreToM,要求模型通过移动物体或引导角色到房间来诱导其他agent的信念状态,实验发现GPT-5在80%任务中成功且优于人类,但鲁棒性不如人类。
机构:剑桥
来源:arXiv 2606.31916 | AI4Papers 论文推荐平台