再思一次：视角采择提升大语言模型的心智理论能力
人工智能
2023-11-20 v1 计算与语言
摘要
人类互动深深植根于思想、信念与欲望的交织之中，而这得益于心智理论（ToM）：我们理解自身与他人心理状态认知的能力。尽管 ToM 对我们而言或许自然而然，但即便是最先进的大语言模型（LLM）也难以模拟它。近期从简单而有效的提示技术（如思维链）对 LLM 推理能力的改进，在 ToM 上的适用性有限。本文中，我们借助著名的认知科学理论“模拟理论”来弥合这一差距。我们引入 SimToM，一个受模拟理论视角采择概念启发的新颖两阶段提示框架。为在当前 ToM 基准上实现该想法，SimToM 首先在回答关于某角色心理状态的问题前，根据该角色所知信息过滤上下文。我们的方法无需额外训练且只需极少提示调优，相较现有方法表现出显著改进，且我们的分析揭示了视角采择对心智理论能力的重要性。我们的发现提示视角采择是未来改进 LLM 的 ToM 能力研究的一个有前景的方向。
引用
@article{arxiv.2311.10227,
title = {Think Twice: Perspective-Taking Improves Large Language Models' Theory-of-Mind Capabilities},
author = {Alex Wilf and Sihyun Shawn Lee and Paul Pu Liang and Louis-Philippe Morency},
journal= {arXiv preprint arXiv:2311.10227},
year = {2023}
}