ToM2Vec以连续心智向量提升队友协作

ToM2Vec 方法让 LLM Agent 生成连续的「心智理论」思维向量，同时容纳对他人信念的多个假设。该方法在 5 个多智能体任务上均取得提升，并可迁移到未见过的伙伴，包括前沿模型伙伴。

ToM2Vec 实验显示，潜在向量能够编码心智并跨模型泛化，在 Overcooked 上较语言基线高 9 分。由 Qwen3-8B 自博弈训练的向量与 GPT-5.4 组队后得分提升 17.3 分，对信念、欲望和行动的三项探测也全面领先。

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。

ToM2Vec 通过预测队友推理的连续抽象表征生成 latent ToM token，引导智能体同时保留多个伙伴假设，并在 5 个多智能体任务及未见伙伴模型上提升协作。无需任务奖励，方法在 Overcooked 中平均得分 106.7 分，高于语言基线的 97.6 分，且三种布局全部占优。

UNC教堂山分校团队联合Cisco与UT Austin发布ToM2Vec论文，以连续潜在推理向量编码队友心智理论，同时保留多个假设。训练时从队友CoT轨迹均匀抽取10个隐状态向量作为监督目标；该方法在五个多智能体任务上超越已训练和未训练的语言化ToM基线，并可迁移到未见过的伙伴模型。

UNC-Chapel Hill 联合 Cisco 与 UT Austin 发布 ToM2Vec 论文，以固定预算的连续潜在推理 token 将队友心智理论表示编码到潜在空间，提升 LLM 智能体在多智能体协作中的状态推断与协调能力。论文于 10 月 21 日更新，相关内容已上线 Hugging Face。