牛津與新國大提出心智世界建模 MWM：讓 AI 既懂物理軌跡也懂人心

如果給現在的 AI 看一扇關著的門，它能精確推算出推開這扇門需要多大推力、門軸會旋轉多少度。但如果你問它屋裡的人為什麼把門反鎖、死活不肯開，AI 大機率要抓瞎。

現在的世界模型基本都在死磕物理軌跡，把物體運動算得清清楚楚，卻根本看不懂人類在想什麼。人類做事從來不是隻看物理規律，而是被藏在腦子裡的信念、願望、情緒和社交規矩推著走的。

牛津大學和新加坡國立大學的聯合團隊在 arXiv 上發了一篇論文，正式提出了心智世界建模框架，英文叫 Mental World Modeling，簡稱 MWM。他們的想法很直接：既然人類的行動取決於心理狀態，那世界模型就不能只模擬物理空間，還得把人的心智狀態也一起算進去。

把心智變數併入世界狀態

傳統的物理世界模型只在乎杯子掉在地上會不會碎，但 MWM 認為，AI 更需要知道每個人覺得杯子在哪、想要拿它幹什麼，以及打碎了會不會覺得尷尬。

在 MWM 框架裡，信念、目標、意圖、情緒以及社會規範這五大心智變數，不再是事後找補的解釋，而是被當成了核心狀態元件，跟物理狀態並列在一起聯合演化。

研究團隊還順手搭了一個免訓練、完全可審查的基線系統 MENTIS。這個系統把整個心智模擬過程拆得明明白白，先解析當前狀態，再為特定角色生成區域性觀察，接著拆解候選動作，最後把物理變化和心智變化合在一起推演，並給出每個決策分支的價值評估。

這種做法不用重新給大模型燒錢做預訓練，模型到底是怎麼猜別人心思的，每一步都能拿出來單挑檢查。

砍掉心智通道，準確率暴跌 12 分

為了檢驗這套邏輯到底管不管用，研究團隊專門人工搭建了一個包含 448 個真實場景的基準資料集，裡面混合了純文本、圖片以及帶聲音的影片故事。

他們拉來了 8 個主流的基於大語言模型的世界模型同臺競技。結果顯示，跑在完整 MWM 架構下的模型，平均準確率達到了 87.9%。

好戲在後頭的消融實驗裡。當研究人員把系統裡的心智通道徹底拔掉、只讓模型看物理狀態時，所有模型的表現集體跳水，平均準確率直接掉了 12.1 分。

而在那些人際互動極其密集的複雜場景中，加了心智建模的模型相比純物理模型，準確率足足高出了 26.4 分。換句話說，在人跟人打交道的地方，光盯著物理動作猜下一步，基本等於盲人摸象。

為什麼重要

在過去兩年裡，大家聊世界模型都在聊 Sora，都在拼誰生成的剛體碰撞更逼真、光影更自然。這當然重要，但如果 AI 的終極目標是走進人類社會當助理、當看護，光懂牛頓力學遠遠不夠。

對開發者和產品經理來說，這項研究指了一條很務實的路。特別是在智慧 NPC、AI 陪練家教、家庭照料機器人這些場景裡，現在的智慧體經常顯得情商感人，原因就在於它們沒有為對話物件建立心智檔案。利用 MWM 這種免訓練的分步拆解方案，開發者不用等下一代千億基座模型，就能試著用提示詞管線給現有智慧體裝上一個心智外掛。

我們認為，牛津和新國大團隊最聰明的點，在於沒有把心理學概念打包扔進大模型的黑盒直覺裡，而是把信念和意圖顯式化、並列進狀態機。這讓機器的心智推演變得可以審查和糾錯。

但這裡的隱患也同樣明顯。448 個精心挑選的測試場景依然偏靜態和小規模。真實世界裡人類的心思往往瞬息萬變，甚至充滿自相矛盾和欺騙。如果只靠五個預設維度的靜態演化，一旦碰上多方勾心鬥角的複雜博弈，這套顯式心智模型會不會迅速過載崩潰，目前看起來還是個未知數。