大型语言模型中的主动困惑表达：利用世界模型提升社会推理能力

arXiv 25.10 2025 43.8 method

TLDR

提出自适应世界模型增强推理，跟踪状态并干预，提升社会推理准确率并减少令牌。

评分理由

Strengths: addresses a gap in social reasoning, proposes a novel world model mechanism, shows significant improvements on benchmarks. Weaknesses: limited to textual world model, no discussion of real-world deployment or broader applicability.

Read-first 评分解释

综合优先阅读分 43.8，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 12。

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：分析、基准、评估、指标

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：代码

主题相关性 42%

17.1

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：409。

关键词评分

world model

world dynamics prediction

world simulator

generative world model

interactive world model

video world model

model-based reinforcement learning world model

深度分析

创新点

自适应世界模型增强的推理机制，构建动态文本世界模型以跟踪实体状态和时间序列
动态监控推理轨迹中的困惑指标，并通过提供清晰的世界状态描述进行及时干预
模仿人类隐式世界模型以区分外部事件与内部信念

方法

本文分析了DeepSeek-R1的推理轨迹以识别困惑模式，然后提出一种机制，构建动态文本世界模型跟踪实体状态和时间序列。该机制监控推理中的困惑指标，并通过提供清晰的世界状态描述进行干预。在三个社会基准上使用准确率和令牌减少指标进行评估。

关键结果

该机制实现了显著的准确率提升（例如，在Hi-ToM上提升10%），并将计算成本降低最多33.8%的令牌减少。

技术栈

DeepSeek-R1World ModelHi-ToMSocial Benchmarks

资源

论文