DialToM：用于预测状态驱动对话轨迹的心智理论基准

大型语言模型（LLM）虽展现出心智理论（ToM）能力，但其源于稳健推理还是虚假关联尚不明确。本文提出 DialToM，一个基于自然人类对话并经人工验证的多选题基准。该基准不仅评估心理状态预测（字面 ToM），还通过前瞻性诊断预测评估其功能效用（功能 ToM），即探究模型能否仅凭心理状态画像识别符合状态的对话轨迹。结果显示显著的推理不对称性：除 Gemini 3 Pro 外，大多数模型虽擅长识别心理状态，却无法利用此理解预测社交轨迹。此外，人类与 LLM 生成的推论间语义相似性较弱。数据集与代码已公开以促进复现。