Beyond Large Language Models: A Mental World Model Framework for Mental Modeling, Simulation, Evolution, and Interpretability

📄 arXiv: 2610.23722v1 📥 PDF

作者: Qingshi Wang

分类: cs.AI

发布日期: 2026-10-16

备注: 12 pages, 10 figures

💡 一句话要点

提出心理世界模型框架以解决主观认知建模问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 心理建模 认知模拟 动态演变 多分支架构 个性化AI

📋 核心要点

  1. 现有的大型语言模型和心智理论方法在推断心理状态时主要依赖语言信息，缺乏对主观世界构建和动态演变的统一机制。
  2. 本文提出心理世界模型（MWM）及多分支心理演化架构（MMEA），明确构建主观世界并模拟认知与心理状态的交互。
  3. MMEA在多个基准测试中表现优异，准确率分别达到96.48%和94.00%，在多个预测任务中显著提升性能。

📝 摘要（中文）

理解和模拟主观认知及心理状态的产生、演变和行为塑造对于推动人工智能向更深层次的社会认知和通用智能发展至关重要。现有的大型语言模型（LLMs）和心智理论（ToM）方法主要依赖语言信息推断心理状态，缺乏统一的主观世界构建、认知-心理交互、动态演变和历史依赖机制。本文提出心理世界模型（MWM）及其实现的多分支心理演化架构（MMEA），明确构建主观世界，模拟认知与心理状态之间的交互，并模拟受历史经验影响的连续心理演变。在DynToM和RecToM上，MMEA分别达到了96.48%和94.00%的准确率，超越了领先的LLMs和专业的ToM方法。额外实验表明，在心理状态和行为预测、长序列预测及隐性心理状态推断方面，分别提升了28.7、39.3和16.6个百分点。结果表明，MMEA为连续心理建模提供了可解释的框架，使AI能够超越表层语义表示，从语言信息中推断个体的潜在心理状态，并动态模拟其内部认知过程及演变。

🔬 方法详解

问题定义：本文旨在解决现有方法在推断心理状态时缺乏对主观世界构建、认知-心理交互和动态演变的统一机制的问题。现有的LLMs和ToM方法主要依赖语言信息，无法有效模拟复杂的心理状态演变。

核心思路：论文提出心理世界模型（MWM），通过多分支心理演化架构（MMEA）来明确构建主观世界，模拟认知与心理状态之间的交互，并实现心理状态的动态演变。这样的设计旨在提供一个更全面的框架，以便更好地理解和预测个体的心理状态。

技术框架：MMEA的整体架构包括多个模块，首先是主观世界的构建模块，其次是认知与心理状态交互的模拟模块，最后是历史经验影响下的心理演变模块。每个模块相互关联，共同实现对心理状态的动态建模。

关键创新：MMEA的核心创新在于其能够明确构建主观世界并模拟心理状态的动态演变，这与现有方法的静态推断机制形成鲜明对比。MMEA不仅关注语言信息，还考虑了历史依赖性和认知-心理交互。

关键设计：在MMEA中，关键参数设置包括心理状态的表示方式和演变规则，损失函数设计用于优化心理状态预测的准确性，网络结构采用多分支设计以增强模型的表达能力和灵活性。

🖼️ 关键图片

img_0
img_1
img_2

📊 实验亮点

MMEA在DynToM和RecToM基准测试中分别达到了96.48%和94.00%的准确率，显著超越了现有的领先大型语言模型和专业的心智理论方法。此外，在心理状态和行为预测、长序列预测及隐性心理状态推断方面，分别提升了28.7、39.3和16.6个百分点，显示出其卓越的性能。

🎯 应用场景

该研究的潜在应用领域包括个性化人工智能、持续的人机交互、因果推理等。MWM为AI提供了一个可解释的框架，使其能够更好地理解和模拟人类的心理状态，从而在社交机器人、智能助手等领域具有重要的实际价值和影响。

📄 摘要（原文）

Understanding and simulating how subjective cognition and mental states emerge, evolve, and shape behavior is essential for advancing artificial intelligence toward deeper social cognition and general intelligence. Existing large language models (LLMs) and Theory of Mind (ToM) methods primarily infer mental states from linguistic information, lacking unified mechanisms for subjective world construction, cognitive-psychological interactions, dynamic evolution, and historical dependencies. This paper introduces the Mental World Model (MWM) and its implementation, the Multi-Branch Mental Evolution Architecture (MMEA), which explicitly constructs subjective worlds, models interactions between cognition and mental states, and simulates continuous mental evolution shaped by historical experiences. On DynToM and RecToM, MMEA achieves 96.48% and 94.00% accuracy, respectively, outperforming leading LLMs and specialized ToM methods. Additional experiments demonstrate improvements of 28.7, 39.3, and 16.6 percentage points in mental state and behavior prediction, long-sequence prediction, and implicit mental state inference, respectively. The results demonstrate that MMEA provides an interpretable framework for continuous mental modeling, enabling AI to move beyond surface-level semantic representations to infer individuals' underlying mental states from linguistic information and dynamically simulate their internal cognitive processes and evolution over time. MWM also provides a promising foundation for causal reasoning, personalized AI, sustained human-AI interaction, and future advances toward artificial general intelligence (AGI).