牛津与新国大提出心智世界建模 MWM：让 AI 既懂物理轨迹也懂人心

如果给现在的 AI 看一扇关着的门，它能精确推算出推开这扇门需要多大推力、门轴会旋转多少度。但如果你问它屋里的人为什么把门反锁、死活不肯开，AI 大概率要抓瞎。

现在的世界模型基本都在死磕物理轨迹，把物体运动算得清清楚楚，却根本看不懂人类在想什么。人类做事从来不是只看物理规律，而是被藏在脑子里的信念、愿望、情绪和社交规矩推着走的。

牛津大学和新加坡国立大学的联合团队在 arXiv 上发了一篇论文，正式提出了心智世界建模框架，英文叫 Mental World Modeling，简称 MWM。他们的想法很直接：既然人类的行动取决于心理状态，那世界模型就不能只模拟物理空间，还得把人的心智状态也一起算进去。

把心智变量并入世界状态

传统的物理世界模型只在乎杯子掉在地上会不会碎，但 MWM 认为，AI 更需要知道每个人觉得杯子在哪、想要拿它干什么，以及打碎了会不会觉得尴尬。

在 MWM 框架里，信念、目标、意图、情绪以及社会规范这五大心智变量，不再是事后找补的解释，而是被当成了核心状态组件，跟物理状态并列在一起联合演化。

研究团队还顺手搭了一个免训练、完全可审查的基线系统 MENTIS。这个系统把整个心智模拟过程拆得明明白白，先解析当前状态，再为特定角色生成局部观察，接着拆解候选动作，最后把物理变化和心智变化合在一起推演，并给出每个决策分支的价值评估。

这种做法不用重新给大模型烧钱做预训练，模型到底是怎么猜别人心思的，每一步都能拿出来单挑检查。

砍掉心智通道，准确率暴跌 12 分

为了检验这套逻辑到底管不管用，研究团队专门人工搭建了一个包含 448 个真实场景的基准数据集，里面混合了纯文本、图片以及带声音的视频故事。

他们拉来了 8 个主流的基于大语言模型的世界模型同台竞技。结果显示，跑在完整 MWM 架构下的模型，平均准确率达到了 87.9%。

好戏在后头的消融实验里。当研究人员把系统里的心智通道彻底拔掉、只让模型看物理状态时，所有模型的表现集体跳水，平均准确率直接掉了 12.1 分。

而在那些人际交互极其密集的复杂场景中，加了心智建模的模型相比纯物理模型，准确率足足高出了 26.4 分。换句话说，在人跟人打交道的地方，光盯着物理动作猜下一步，基本等于盲人摸象。

为什么重要

在过去两年里，大家聊世界模型都在聊 Sora，都在拼谁生成的刚体碰撞更逼真、光影更自然。这当然重要，但如果 AI 的终极目标是走进人类社会当助理、当看护，光懂牛顿力学远远不够。

对开发者和产品经理来说，这项研究指了一条很务实的路。特别是在智能 NPC、AI 陪练家教、家庭照料机器人这些场景里，现在的智能体经常显得情商感人，原因就在于它们没有为对话对象建立心智档案。利用 MWM 这种免训练的分步拆解方案，开发者不用等下一代千亿基座模型，就能试着用提示词管线给现有智能体装上一个心智外挂。

我们认为，牛津和新国大团队最聪明的点，在于没有把心理学概念打包扔进大模型的黑盒直觉里，而是把信念和意图显式化、并列进状态机。这让机器的心智推演变得可以审查和纠错。

但这里的隐患也同样明显。448 个精心挑选的测试场景依然偏静态和小规模。真实世界里人类的心思往往瞬息万变，甚至充满自相矛盾和欺骗。如果只靠五个预设维度的静态演化，一旦碰上多方勾心斗角的复杂博弈，这套显式心智模型会不会迅速过载崩溃，目前看起来还是个未知数。