ToM2Vec 跨模型泛化：Qwen3-8B 自博弈训练，与 GPT-5.4 组队涨 17.3 分

ToM2Vec 仅与 Qwen3-8B 自博弈训练伙伴建模能力，再与未见模型组队测试 Overcooked。与 GPT-5.4 组队时，相比“GPT-5.4 + 未训练 Qwen3-8B”平均提升 17.3 分。Overcooked 上，latent 向量方法平均得分 106.7，高于语言化 ToM 基线的 97.6。