OSCToM：基于强化学习引导的对抗生成用于高阶心智理论

大型语言模型在许多语言任务中表现优异，但在复杂社会情境下的心智理论（ToM）推理能力仍不稳定。现有基准测试往往未能充分评估递归信念和信息不对称等难点。本文提出 OSCToM（观察者 - 自我冲突心智理论），旨在建模基于 LLM 的 ToM 任务中的嵌套信念冲突。该方法结合强化学习、扩展领域特定语言及组合代理模型，生成观察者视角与自身信念状态相冲突的案例。实验表明，OSCToM-8B 在多项基准测试中表现最佳，尤其在信息不对称的 FANToM 基准上准确率高达 76%，远超现有方法，且数据合成效率提升六倍。