PDDL-Mind：大型语言模型具备可靠状态跟踪的信念推理能力

现有基准测试表明，即便结合思维链提示或概率信念更新，大型语言模型在心智理论任务上的表现仍显著低于人类水平。本文认为，这种失败主要源于不可靠的隐式状态跟踪，而非高层推理能力的局限。为此，我们提出了 PDDL-Mind，一种神经符号框架，将环境状态演化与信念推断解耦。该方法通过将叙事描述转化为规划领域定义语言（PDDL）表达的显式状态和动作，并针对预定义领域验证动作引发的状态转移，从而为心智理论任务提供逻辑一致且显式的世界状态表示。在 MMToM-QA、MuMA 和 FanToM 上的实验表明，PDDL-Mind 在心智理论基准问题上的准确率比现有最先进方法提高了超过 5%。