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
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
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.
대규모 언어 모델(LLM)이 타인의 의도나 신념을 이해하는 '마음 이론(Theory of Mind)' 능력 향상은 더욱 인간적인 AI 에이전트 개발을 위한 중요한 진전입니다. 부분적인 관찰만으로도 타인의 믿음을 추론하는 재귀적 추론 방식은 국내 기업들이 개발 중인 챗봇, 가상 비서 등 소셜 AI의 상호작용 품질을 혁신적으로 개선할 수 있습니다. 이는 사용자 경험을 심화시키고 한국 사회의 다양한 서비스 분야에서 AI의 활용 범위를 넓히는 데 핵심적인 역할을 할 것입니다.
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
이 글이 만들어진 과정
- 13:12AI 초안
