SOM：通过结构因果模型实现基于 LLM 的智能体结构化对手建模

准确预测对手行为是多智能体及博弈环境中大语言模型（LLM）智能体的关键能力。现有方法常将对手建模与预测纠缠，依赖隐式上下文推理，限制了动态交互中的适应性。为此，本文提出结构化对手建模（SOM）框架，明确分离建模与预测阶段。在构建阶段，利用结构因果模型（SCM）捕捉观察与动作间的定向依赖，生成显式结构化表示；在预测阶段，LLM 沿 SCM 导出的清晰路径进行结构化推理。实验表明，SOM 在多个基准上优于现有最先进方法，显著提升了复杂动态交互中的战略决策准确性与适应性。