MeetingToM：评估多模态大语言模型在多方可会议中的心理理论推理能力

心理理论（ToM）是推断他人信念、意图及知识状态的能力，对社交互动至关重要，但当前多模态大语言模型（MLLMs）在此方面仍面临挑战，尤其在涉及语音与行为线索分布的多方会议场景中。现有基准多关注基于视频的显性信号问答，缺乏对潜在社会状态及群体动态的覆盖。本文提出 MeetingToM 基准，旨在评估自然主义多方会议中的复杂社会行为推理，特别针对“伪共识”等现象。该基准分层评估主体心理状态预测、双向对话理解及群体共识推理。实验揭示了 MLLMs 在整合非语言线索、推断隐藏态度及区分真假共识方面的局限性。