Исследователи из Калифорнийского университета в Сан-Диего представили метод обучения компактных ИИ-агентов теории разума. Работа под названием Mental-Models for Multi-Agent Systems, авторами которой стали Ханан Гани, Лулу Шао и Манмохан Чандракер, принята к публикации на конференции NeurIPS 2026.
Подход позволяет агенту формировать внутреннее представление о ментальном состоянии собеседника, включая его убеждения и цели. Благодаря интеграции модели вознаграждения, зависящей от убеждений, логика агента оптимизируется в процессе обучения. Это исключает необходимость использования дополнительных систем во время работы.
Основным инструментом стала модель Qwen2.5-7B-Instruct, также проводились эксперименты с версиями на 3 миллиарда параметров и архитектурами LLaMA и Mistral. Эффективность подхода проверялась на бенчмарках Sotopia, BigToM и MMRole.
В тесте Sotopia агент на базе Qwen2.5-7B показал средний относительный прирост около 11,5%. В испытаниях BigToM, оценивающих точность отслеживания убеждений, средний результат улучшился на 26,7 процентных пункта. Исходный код исследования опубликован в открытом доступе.
