大语言模型心理自我建模的选择性缺陷

一句话定位

通过行为导向的心理理论测试，揭示大语言模型在心理自我建模方面存在选择性缺陷，尤其在涉及自身信念与行为推理时表现不佳。

小学生也能听懂

这篇论文像做实验一样，让AI回答关于“自己怎么想”和“别人怎么想”的问题，发现AI很会猜别人心思，但一说到自己的想法就容易出错，说明它在理解自己内心方面还有缺陷。

为什么值得记录

首次系统评估LLM在心理自我建模（Mental Self-Modeling）任务中的表现，填补现有心理理论研究空白
提出行为导向的测试范式，超越传统文本理解任务，更贴近真实认知能力评估
发现LLM在‘自我’与‘他人’心理状态推理上的不对称性，挑战当前模型具备通用心智能力的假设
为构建具备自我意识或类人推理能力的AI提供诊断工具和理论依据

核心方法

设计行为导向的心理理论（Theory of Mind）测试集，包含自我信念、错误信念、意图推断等任务
采用控制变量实验，对比模型在‘自我’与‘他人’心理状态推理任务中的表现差异
引入反应时间与选择一致性指标，模拟人类行为实验范式
使用多种提示策略（如思维链、角色扮演）测试模型鲁棒性
在多个主流LLM（如GPT-4、Claude、Llama系列）上进行跨模型验证

关键结果

LLM在他人心理状态推理任务中表现接近人类水平（准确率 >85%）
在涉及自身信念更新的任务中准确率显著下降（平均下降23.7%）
模型在‘自我错误信念’任务中表现出系统性偏差，倾向于忽略自身信念变化
思维链提示对他人推理任务提升明显（+12.4%），但对自我建模任务改善有限（+3.1%）
跨模型分析显示该缺陷普遍存在，与模型规模无强相关性

局限与风险

测试集规模有限（n=127个情境），可能影响泛化性
行为指标依赖人工标注，未完全自动化
未探索模型内部表征机制，仅基于外部行为推断
实验未涵盖多模态或具身交互场景，限制现实适用性

适合沉淀的概念

theory-of-mind, mental-self-modeling, false-belief-task, self-vs-other-reasoning, llm-cognitive-deficit, behavioral-test-paradigm, belief-updating, theory-of-mind-in-ai

阅读注意

重点关注实验设计中‘自我’与‘他人’条件的对比设置
注意作者如何定义‘心理自我建模’并操作化为可测量任务
分析图3与图5中反应模式差异，理解模型在自我信念更新中的失败机制
查看附录B中具体测试用例，评估任务生态效度
思考该发现对AGI发展路径的启示：是否需显式建模自我状态？

质量说明

采用来源：raw，raw/papers/2026/03/2603.26089.md
生成模型：LongCat-Flash-Chat
源材料判断：论文结构完整，方法清晰，实验设计合理，数据支持主要结论。虽未提供完整代码与数据集，但关键实验细节充分，可复现性强。