Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2406.04800

帮助 | 高级搜索

计算机科学 > 人工智能

arXiv:2406.04800 (cs)
[提交于 2024年6月7日 ]

标题: 零、有限和无限信念历史的心智理论推理在大型语言模型中

标题: Zero, Finite, and Infinite Belief History of Theory of Mind Reasoning in Large Language Models

Authors:Weizhi Tang, Vaishak Belle
摘要: 大型语言模型(LLMs)最近显示出心智理论(ToM)能力的潜力和出现,并且在某些ToM任务中甚至超过了人类。为了评估和扩展LLMs的ToM推理能力的边界,我们提出了一种新的概念、分类和框架,即基于零、有限和无限信念历史的ToM推理,并开发了一个多轮文本游戏,称为$\textit{Pick the Right Stuff}$,作为基准测试。我们用这个游戏评估了六个LLMs,并发现它们在零信念历史上的表现始终优于有限信念历史。此外,我们发现其中两个参数规模较小的模型超越了所有参数规模较大的评估模型。我们期望这项工作能为未来的ToM基准开发铺平道路,同时也促进需要具备更复杂ToM推理能力的更复杂的AI代理或系统的推广和发展。
摘要: Large Language Models (LLMs) have recently shown a promise and emergence of Theory of Mind (ToM) ability and even outperform humans in certain ToM tasks. To evaluate and extend the boundaries of the ToM reasoning ability of LLMs, we propose a novel concept, taxonomy, and framework, the ToM reasoning with Zero, Finite, and Infinite Belief History and develop a multi-round text-based game, called $\textit{Pick the Right Stuff}$, as a benchmark. We have evaluated six LLMs with this game and found their performance on Zero Belief History is consistently better than on Finite Belief History. In addition, we have found two of the models with small parameter sizes outperform all the evaluated models with large parameter sizes. We expect this work to pave the way for future ToM benchmark development and also for the promotion and development of more complex AI agents or systems which are required to be equipped with more complex ToM reasoning ability.
主题: 人工智能 (cs.AI) ; 计算与语言 (cs.CL)
引用方式: arXiv:2406.04800 [cs.AI]
  (或者 arXiv:2406.04800v1 [cs.AI] 对于此版本)
  https://doi.org/10.48550/arXiv.2406.04800
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Weizhi Tang [查看电子邮件]
[v1] 星期五, 2024 年 6 月 7 日 10:04:39 UTC (9,834 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.AI
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-06
切换浏览方式为:
cs
cs.CL

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号