想象这样一个场景：一个杯子被 A 放进柜子里，B 没有看到。
问：B 下一步会去哪里找杯子？
如果世界模型只知道物理事实，预测错 B 的下一步决策：「杯子现在在柜子里，应该去柜子找。」（上）
但还同时理解人的心智的模型能正确预测：「B 不知道杯子被移动，因此认为杯子还在桌上，大概率会回到桌边寻找。」（下）
世界的下一状态，也由心智变量决定
这揭示了关键问题：只追踪物体、位置和运动的世界模型，可能得到「物理上合理、但行为错误」的预测。
近日，牛津大学和新加坡国立大学的研究团队最新研究《Mental World Modeling》提出了一种通用框架，心智世界建模（Mental World Modeling, MWM）。这项工作将这些心智变量本身纳入世界状态（world state）之中，而不是将它们仅仅作为事后解释（post-hoc explanations）。
论文标题：Mental World Modeling
截至发稿前，MWM 已登顶 Hugging Face Daily Papers 日榜第一。
Hugging Face Paper:
世界模型缺失的另一半
大多数现有的世界模型主要关注世界的物理层面：
有哪些物体和智能体存在？
它们在哪里？
可见场景将如何演化？
在这些模型中，人往往只是一个会移动、会执行动作的对象，其内心状态并没有真正进入世界模型。但真实世界中的人，并不是简单移动的物体。
对于以人为中心的智能（human-centered intelligence）而言，这还远远不够。
为什么？因为人的行为决策并不是单纯由物体、空间结构和物理规律的外部环境决定的，而是由外部环境与内部心智–社会变量的交互作用共同产生的。
例如，一个服务机器人需要判断用户是否感到困惑、是否失去耐心，或者是否在以间接方式寻求帮助；一个医疗助手需要考虑患者的认知、风险感知、恐惧情绪以及信任程度；一个协作智能体则必须识别：某些行为虽然在物理上可行，但由于社会规范、角色关系或人际互动背景的影响，可能并不合适。
这些场景都要求智能系统能够持续追踪智能体的心智与社会状态，包括：它们知道什么、相信什么、关注什么、想要什么、打算做什么、感受到什么，以及认为哪些行为在社会规范上是被允许的。即使两个场景在物理上完全相同，只要其中人的信念、目标、情绪、人际关系或社会责任不同，就可能产生截然不同的行为。
一句话总结： 一个世界模型即使能够准确重建物理场景，仍然可能无法正确预测人的行为。
认知科学已经通过心智模型（mental models）、心智理论（Theory of Mind, ToM）、BDI 智能体模型（Belief–Desire–Intention agency）以及具身认知（embodied cognition）等理论研究了这些能力。
然而，当前大多数人工智能研究要么构建的是缺乏心智状态的物理世界模型，要么将心理推理简化为孤立的心智理论问答任务（Theory-of-Mind question answering）。
这两种视角都不足以描述一个真正完整的世界 —— 因为世界的下一状态并非仅由物理因素决定，而是由物理状态与心智状态共同演化（jointly physical and mental）产生的。
如何将心智变量真正纳入世界模型的状态空间呢？
这篇研究尝试提出心智世界建模的形式化框架，用于构建能够同时表征物理动态与心智动态的世界模型。
心智世界建模的目标并不是模拟某个人私人的主观意识和经验，而是构建一个外部的、近似的、与任务相关的世界模拟器（task-relevant world simulator）。该模拟器的全局状态同时包含物理变量（physical variables）和心智变量（mental variables）。
两个主体，三个运算模块，一个物理–心智耦合状态。心智世界模型作为一个全局模拟器，首先生成目标智能体能够看到和推断的信息，再让智能体基于这一认知采取行动。
首先，心智世界建模维护的是一个物理–心智耦合的世界状态（coupled physical–mental world state），即同时表征物理环境与智能体的潜在心智状态。
其次，一个目标智能体（target agent）只能观察到这个全局状态经过转换后的、部分的第一人称视角呈现（partial, first-person r
来源：机器之心