論文の概要: Mind the Perspective: Let's Reason Recursively for Theory of Mind

• arxiv url: http://arxiv.org/abs/2606.11724v1
• Date: Wed, 10 Jun 2026 06:58:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.332791
• Title: Mind the Perspective: Let's Reason Recursively for Theory of Mind
• Title（参考訳）: マインド・ザ・パースペクティブ: 心の理論について再帰的に考察しよう
• Authors: Chao Lei, Guang Hu, Meng Yang, Yanbei Jiang, Nir Lipovetzky,
• Abstract要約: 心の理論(ToM)推論には、部分的および非対称的な観察からエージェントの信念を推測する必要がある。 ToM推論のための推論時間フレームワークであるRecToMを紹介する。 RecToMは最近の最先端のアプローチを一貫して上回り、最先端の性能を実現している。
• 参考スコア（独自算出の注目度）: 18.955713422274155
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Theory of Mind (ToM) reasoning requires inferring agents' beliefs from partial and asymmetric observations, which remains an open challenge for LLMs. Existing prompting-based approaches improve ToM reasoning through observable-event filtering or temporal belief chains, without explicitly modeling nested beliefs. We introduce RecToM, an inference-time framework for ToM reasoning that models nested beliefs via recursive perspective construction. RecToM constructs each character perspective from the preceding character perspective along the character chain specified by the question, reducing higher-order belief questions to actual-world questions within the final constructed perspective. We further provide a KD45 analysis showing that RecToM's perspective construction induces a well-formed belief modality beyond simple event filtering. Experiments on ToM benchmarks, including Hi-ToM, Big-ToM, and FanToM, across multiple LLM backbones show that RecToM consistently outperforms recent advanced approaches, achieving state-of-the-art performance. Notably, RecToM reaches 100\% accuracy on Hi-ToM with GPT-5.4 and Qwen3.5, a benchmark requiring higher-order ToM reasoning.
• Abstract（参考訳）: 心の理論(ToM)推論には、部分的および非対称的な観察からエージェントの信念を推論する必要がある。 既存のプロンプトベースのアプローチは、ネストされた信念を明示的にモデル化することなく、観測可能なイベントフィルタリングや時間的信念チェーンを通じてToM推論を改善する。 Inference-time framework for ToM reasoning that models nested beliefs through recursive perspective construction。 RecToMは、質問によって指定された文字連鎖に沿って、前の文字視点から各文字視点を構築する。 さらに、RecToMのパースペクティブ構造は、単純なイベントフィルタリングを超えて、よく形づくられた信念のモダリティを誘導することを示すKD45分析を提供する。 Hi-ToM、Big-ToM、FanToMといったToMベンチマークの実験は、複数のLLMバックボーンで、RecToMが最新の高度なアプローチを一貫して上回っており、最先端のパフォーマンスを実現していることを示している。 特に、RecToMは、高次のToM推論を必要とするベンチマークであるGPT-5.4とQwen3.5で、Hi-ToM上で100倍の精度に達する。

関連論文リスト

• Understanding Artificial Theory of Mind: Perturbed Tasks and Reasoning in Large Language Models [10.629439705877054]
  本研究では,大規模言語モデル (LLM) が真の心の理論 (ToM) 能力を示すかどうかを考察する。 ToMデータセットには,古典的かつ摂動的な疑似信念タスクを含む,手作りでリッチな注釈付きデータセットが導入されている。 タスク摂動下でのToM能力の急激な低下を示すとともに,ToMの頑健な形態が存在するかどうかを疑問視する。
  論文  参考訳（メタデータ） (2026-02-25T16:24:35Z)
• MM-CoT:A Benchmark for Probing Visual Chain-of-Thought Reasoning in Multimodal Models [49.32415342913976]
  マルチモーダルモデルにおけるCoT推論の視覚的グラウンドリングと論理的コヒーレンスを探索するための診断ベンチマークであるMM-CoTを紹介する。 MM-CoT上での先進的な視覚言語モデルの評価を行い,最も先進的なシステムでさえも苦戦し,生成頻度と真の推論忠実さの相違が明らかとなった。
  論文  参考訳（メタデータ） (2025-12-09T04:13:31Z)
• Constrained Reasoning Chains for Enhancing Theory-of-Mind in Large Language Models [39.81210971002642]
  LLM(Large Language Models)が持つ理論-of-Mind(ToM)能力は制限されている。 本稿ではドメイン知識とToM次元間の因果関係を利用して制約に対処するConstrained Chain-of-ToM(CCoToM)を提案する。 CCoToMは、使用したすべてのデータセットにまたがる大きなマージンで、従来の最先端メソッドを一貫して上回ります。
  論文  参考訳（メタデータ） (2024-09-20T13:27:11Z)
• MR-Ben: A Meta-Reasoning Benchmark for Evaluating System-2 Thinking in LLMs [55.20845457594977]
  大規模言語モデル(LLM)は、問題解決と意思決定の能力の向上を示している。 本稿ではメタ推論技術を必要とするプロセスベースのベンチマークMR-Benを提案する。 メタ推論のパラダイムは,システム2のスロー思考に特に適しています。
  論文  参考訳（メタデータ） (2024-06-20T03:50:23Z)
• ToM-LM: Delegating Theory of Mind Reasoning to External Symbolic Executors in Large Language Models [5.455744338342196]
  心の理論(りょうせい、英: Theory of Mind、ToM)とは、個人が心の状態を他人に当てはめる能力のこと。 大きな言語モデル(LLM)は、ToMの能力といくつかの約束を示しているが、それでも複雑なToM推論に苦戦している。
  論文  参考訳（メタデータ） (2024-04-23T20:59:03Z)
• FANToM: A Benchmark for Stress-testing Machine Theory of Mind in Interactions [94.61530480991627]
  現在、マインド評価の理論は、本質的に相互作用性に欠ける受動的物語を用いたテストモデルに焦点を当てている。 本稿では,情報非対称な会話文脈におけるToMのストレステストを目的とした新しいベンチマークであるFANToMを紹介する。
  論文  参考訳（メタデータ） (2023-10-24T00:24:11Z)
• REFINER: Reasoning Feedback on Intermediate Representations [47.36251998678097]
  中間推論を生成するための言語モデルを微調整するフレームワークであるREFINERを紹介する。 REFINERは、推論に対する自動フィードバックを提供する批評家モデルと対話することで機能する。 経験的評価は、同等のスケールのベースラインLMよりも大幅に改善された。
  論文  参考訳（メタデータ） (2023-04-04T15:57:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。