부분적·비대칭적 관찰로부터 타인의 믿음을 추론하는 마음 이론(Theory of Mind) 과제를 다룬다. RecToM은 중첩된 믿음을 재귀적 관점 구성으로 모델링하는 추론시 프레임워크로, 질문이 지정한 인물 사슬을 따라 앞 인물의 관점에서 다음 인물의 관점을 구성해 고차 믿음 질문을 최종 관점 내의 실제 세계 질문으로 환원한다. KD45 분석으로 단순 사건 필터링을 넘어선 정합적 믿음 양상을 유도함을 보였다. Hi-ToM·Big-ToM·FanToM 등 여러 백본에서 최신 기법을 일관되게 능가했고, 특히 GPT-5.4와 Qwen3.5로 Hi-ToM에서 100% 정확도를 달성했다.
- •중첩 믿음을 재귀적 관점 구성으로 모델링하는 추론시 ToM 프레임워크 RecToM 제안
- •인물 사슬을 따라 관점을 순차 구성해 고차 믿음 질문을 최종 관점의 실제 세계 질문으로 환원
- •KD45 분석으로 단순 사건 필터링을 넘어선 정합적 믿음 양상 유도 입증
- •GPT-5.4·Qwen3.5로 Hi-ToM에서 100% 정확도 등 여러 벤치마크 최고 성능 달성
Mind the Perspective: Let's Reason Recursively for Theory of Mind
- 1.중첩 신념을 재귀적 관점 구성으로 모델링하는 추론시점 ToM 프레임워크 RecToM 제안
- 2.질문이 지정한 등장인물 체인을 따라 이전 관점에서 다음 관점을 구성, 고차 신념 질문을 실세계 질문으로 환원
- 3.KD45 분석으로 단순 이벤트 필터링을 넘어선 정형 신념 양상을 유도함을 입증
- 4.Hi-ToM·Big-ToM·FanToM에서 SOTA, GPT-5.4·Qwen3.5로 Hi-ToM 100% 정확도 달성
왜 중요한가?
기존 프롬프트 기반 ToM 기법이 중첩 신념을 명시적으로 모델링하지 못한 한계를, 재귀적 관점 구성으로 고차 신념을 1차 문제로 환원해 해결했다. 고난도 Hi-ToM에서 100% 정확도는 에이전트가 타인의 믿음을 추론해야 하는 협업·대화 응용에서 신뢰성을 크게 끌어올린다.
본문 미리보기
arXiv:2606.11724v1 Announce Type: new Abstract: Theory of Mind (ToM) reasoning requires inferring agents' beliefs from partial and asymmetric observations, which remains an open challenge for LLMs. Existing prompting-based approaches improve ToM reasoning through observable-event filtering or temporal belief chains, without explicitly modeling nested beliefs. We introduce RecToM, an inference-time framework for ToM reasoning that models nested beliefs via recursive perspective construction. Rec
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
