摘要
多模态大语言模型在社会智能方面潜力巨大,但其序列动机推理能力尚未经过充分研究。现有评估多局限于静态文本或孤立视觉快照,无法反映现实行为驱动因素的累积特性。为此,本文提出 MultivationBench,一个基于故事驱动视觉叙事的基准,旨在严格评估多模态动机推理。该基准结合马斯洛需求层次和 Reiss 基本欲望等心理学框架,要求模型整合累积的多模态上下文以推断演变的动机。结果表明,所有测试模型在跨序列上下文中均难以保持一致的动机推理,揭示了静态识别能力与人类级社会理解所需的动态推理之间的关键断层。
AI 推荐理由
论文核心评估多模态序列动机推理能力,直接针对 LLM 的动态推理短板。
研究机构
The Hong Kong University of Science and Technology
论文信息