分布式部分信息谜题：检验认知不对称下的共同 grounding 构建
人工智能
2026-05-26 v1 计算与语言
摘要
建立共同 grounding（即共享信念集合和相互识别的事实），是合作的基本任务，却一直是当前 AI 系统面临的挑战，尤其是在多模态、多方参与的情境下，合作方带来的信息不同。我们提出分布式部分信息谜题（Distributed Partial Information Puzzle, DPIP），以检验在认知不对称下构建共同 grounding 的能力。我们提供一套这些交互的多模态数据集，跨语音、手势和动作模态进行标注和时间对齐，以支持对命题内容和信念动态的推理。随后我们评估了两种建模共同 grounding 的范式：(1) 从多模态更新中推断共享信念的领先大语言模型（LLM），和 (2) 基于动态认知逻辑（Dynamic Epistemic Logic, DEL）的公理化管道，逐步执行相同任务。在标注好的 DPIP 数据上的结果表明，这一任务对现代 LLM 跟踪任务进展和信念状态的能力构成了挑战。
引用
@article{arxiv.2603.05450,
title = {Distributed Partial Information Puzzles: Examining Common Ground Construction Under Epistemic Asymmetry},
author = {Yifan Zhu and Mariah Bradford and Kenneth Lai and Timothy Obiso and Videep Venkatesha and James Pustejovsky and Nikhil Krishnaswamy},
journal= {arXiv preprint arXiv:2603.05450},
year = {2026}
}
备注
10 pages, 4 figures