EnactToM：具身智能体功能心智理论的演进基准

心智理论（ToM）即追踪他人认知状态的能力，是人类高效协作的基础。现有基准多测试直接询问信念的字面 ToM，而缺乏对具身环境中基于隐含信念采取最优行动的功能性 ToM 的评估。本文提出 EnactToM，一个包含 300 个具身多智能体任务的演进基准，设定于具有部分可观测性、私有信息及通信受限的 3D 家庭环境中。任务经形式化验证以确保可解性及所需的认知深度，并随模型进步动态生成高难度任务。实验显示，前沿模型在功能性任务完成率为零，而在字面信念探测上平均得分为 45%，主要失败归因于认知协调崩溃。