你可能没注意——现在靠大模型驱动的智能体组队干活，大多是“盲打”状态。
普通多智能体的协作硬伤
之前的多智能体系统，靠提示词设计、短期记忆或者端到端行为优化推进任务。但核心问题很致命：不会显式建模队友的状态——比如对方知道什么、想做什么、会对某个动作有啥反应。这种“猜不透队友底牌”的短板，导致跨任务协作时经常掉链子。arXiv上一篇归类为cs.MA的论文，正好戳中了这个痛点。
新框架的“读心”门道
论文里的新框架叫“心理模型驱动智能体”，核心是两个可落地的设计：一是训练了“摊销递归心理理论”，包含一阶、二阶的心理状态结构——简单说，就是智能体能从过往交互痕迹里，摸清楚队友的真实想法（一阶是“队友想完成任务”，二阶是“队友知道我想帮他完成任务”）；二是和“信念条件奖励模型”一起联合训练，判断候选动作的优劣，完全基于对队友的推断状态。这套框架在纯语言、多模态两类基准测试里都跑过，互动质量和心理理论表现，比普通智能体好不少。最实在的是，这套代码已经开源在GitHub（https://github.com/hananshafi/Mental-Models），谁都能直接用。
对玩家的实际影响
现在做智能体协作的玩家，比如插件组队、多机器人协同，都卡在“队友状态不可知”的坎上。这套框架的价值在于，它把显式伙伴建模变成了可复用的决策变量，不是只能在单一任务里生效的花架子。也就是说，以后换个协作场景，只要加载这个心理模型，就能快速跟上队友节奏。而且测试结果覆盖两类场景，不是个别特例，可信度比实验室噱头高得多。
现在的多智能体，越来越往通用方向走，但“读心”这件基础协作能力，之前一直是被忽略的短板。以后的智能体，是不是都得先装个这类心理模型插件？
素材来源：arXiv (LLM/多模态新论文) · AI情报、大模型、AI智能体、AI应用落地
查看报道原文
本文由 WeValue 情报引擎基于公开报道整理改写
发表第一条评论吧