牛津、NUS提出下一代世界模型方向：心智世界模型来了

想象一个场景：杯子被 A 放进柜子，B 没有看到。如果世界模型只知道物理事实，会预测 B 去柜子找；但理解心智的模型会预测 B 认为杯子还在桌上，因此回桌边寻找。这个例子揭示了关键问题：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。

现有大多数世界模型只关注物理层面：物体和智能体在哪里、可见场景如何演化。人往往只是会移动、会执行动作的对象，其内心状态并未真正进入模型。然而，人的行为决策由外部环境与内部心智-社会变量的交互作用共同产生，例如服务机器人需判断用户是否困惑，医疗助手需考虑患者的恐惧与信任，协作智能体需识别社会规范。

认知科学已通过心智模型、心智理论（ToM）、BDI 智能体模型等研究这些能力，但当前 AI 研究要么构建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。这两种视角都不足以描述完整世界，因为世界的下一状态由物理状态与心智状态共同演化产生。