社交世界模型
人工智能
2026-02-02 v2
摘要
人类在社交互动中通过模拟未言明的动态和推理他人视角，即使信息有限，也能直观地导航。相比之下，AI 系统在缺乏对隐式社交情境的显式表示的情况下，难以结构化和推理社交背景中的潜在动态，如意图、信念和演化的社交状态。在本文中，我们引入社交世界模型 (SWM) 的概念，以刻画复杂的社交动态。为实现 SWM，我们提出一种新颖的结构化社交世界表示 formalism (S3AP)，该 formalism 捕获代理人的演化状态、动作和心理状态，弥补了传统基于自由文本输入的缺乏显式结构。通过跨越五个社交推理基准的全面实验，我们展示 S3AP 显著提升了 LLM 性能——在 OpenAI o1 上的 FANToM 得分提升了 +51%。我们的消融实验进一步揭示，这些收益是由对隐藏心理状态的显式建模驱动的，这种方法比广泛的基线方法更有效。最后，我们提出一种用于社交世界模型的算法，利用 S3AP 使 AI 代理能够构建其对话者的模型并预测其下一动作和心理状态。实验表明，启用 S3AP 的社交世界模型在 SOTOPIA 多轮社交互动基准上可实现最高 +18% 的提升。我们的发现凸显了 S3AP 作为强大、通用社交世界状态表示的前景，使开发能够更好地导航社交互动的社交意识系统成为可能。
引用
@article{arxiv.2509.00559,
title = {Social World Models},
author = {Xuhui Zhou and Jiarui Liu and Akhila Yerukola and Hyunwoo Kim and Maarten Sap},
journal= {arXiv preprint arXiv:2509.00559},
year = {2026}
}