动态理论心智：作为时间记忆问题的证据——来自大型语言模型的实验

理论心智 (ToM) 是社会认知和人机交互的核心，而大型语言模型 (LLM) 被用于帮助理解和表示 ToM。然而，大多数评估将 ToM 视为单个时刻的静态判断，主要依赖误信测试。这忽略了 ToM 的一个关键动态维度：在时间维度上表示、更新和检索他人信念的能力。我们将动态 ToM 视为一个持续的表征记忆问题，探询 LLM 是否能够在交互过程中跟踪信念轨迹，而不仅仅是推断当前信念。我们引入 DToM-Track 评估框架，以检验在受控多轮对话中进行时间信念推理，包括对更新前信念的回忆、对当前信念的推断以及对信念变更的检测。使用 LLM 作为计算探针，我们发现一致的非对称性：模型可靠地推断主体的当前信念，但在更新发生后难以维持和检索先前的信念状态。这一模式在不同的 LLM 模型家族和规模上均持续存在，与认知科学中已记录的近期偏差和干扰效应一致。这些结果表明，跨时间跟踪信念轨迹是超越经典误信推理的独特挑战。通过将 ToM 表述为时空表征与检索问题，本工作将 ToM 与记忆和干扰的核心认知机制联系起来，并暴露了 LLM 在扩展人机交互中的社会推理能力的局限。