摘要
本文提出一种闭环双智能体框架，旨在统一认知推理与多模态生成，以构建具有真实社交智慧的数字人。该框架整合感知、社会推理与表达模块：通过视频分析伴侣行为，利用心智理论推断隐藏心理状态并选择响应，最终生成包含说话者与倾听者双向动态的情感可控视频。实验表明，该方法在对话质量上优于全信息脚本模式，证明不确定性下的显式心理状态推断能激发更深思熟虑的对话。
AI 推荐理由
论文核心在于利用心智理论进行社会推理，推断隐藏心理状态以生成高质量对话。
研究机构
University of Washington
Peking University
Carnegie Mellon University
Eastern Institute of Technology, Ningbo
论文信息