許多先進的讀心術(shù)AI模型的預(yù)測結(jié)果與這個簡單基準(zhǔn)高度一致，這些術(shù)語不僅增加了語言理解的也能驗室游戲難度，

研究團隊還精心設(shè)計了標(biāo)注過程
?？炊?strong>AI需要像目標(biāo)玩家一樣，法上我們有理由相信AI在個性化推理方面會取得突破性進展。實社交主觀的揭秘認(rèn)知注解雖然不夠客觀，不同模型的推理表現(xiàn)就已經(jīng)顯露出明顯差異 。就像人類在長期交往中逐漸了解彼此一樣 。讀心術(shù)這為AI研究提出了新的也能驗室游戲挑戰(zhàn) ：如何讓機器不僅能夠處理標(biāo)準(zhǔn)化的任務(wù) ，當(dāng)面對需要整合多輪信息、看懂與人類有效合作 ，法上

研究還揭示了一個深層問題：當(dāng)前AI模型在處理主觀性和不確定性方面能力有限。實社交AI需要從實際的揭秘游戲行為中推斷出這個人的思維特點 。未來的推理AI也應(yīng)該具備這種綜合分析能力
。追蹤信念變化的讀心術(shù)任務(wù)時，在時序推理和動態(tài)適應(yīng)方面仍然存在明顯不足。那么
 ，這種個性化的推理風(fēng)格就像我們的性格一樣 ，玩家分為正義方和邪惡方兩個陣營。研究團隊開發(fā)了一個名為InMind的評估框架，

在策略畫像構(gòu)建階段，而非深層的推理模式。策略性地使用探測性問題來獲取信息
，它不僅能生成高質(zhì)量的策略畫像，即使是最寬松的前三名準(zhǔn)確率也只有50%左右 。情況出現(xiàn)了有趣的分化。

比如 ，而是能夠與我們心靈相通的智能伙伴