ncp-tom

本文介绍了非对话规划心智理论（NCP-ToM）及新型评估框架NCP-ExploreToM，旨在评估LLMs能否通过行动而非对话诱导其他智能体产生特定信念状态。在600个任务中对前沿模型与人类进行测试，GPT-5成功率达到约80%，优于人类，但所有模型在错误信念状态任务上表现更差。