对于大型推理模型在心智理论任务中是否应该思考，这是一个问题

心智理论（ToM）评估模型是否能够推断隐藏的心理状态，如信念、欲望和意图，这对自然社交互动至关重要。尽管大型推理模型（LRMs）在数学和编程中的逐步推理方面取得了进展，但其在社会认知技能中的迁移效果仍不明确。本文系统研究了九种先进的大型语言模型（LLMs），比较了推理模型与非推理模型在三个代表性ToM基准上的表现。结果表明，推理模型并不总是优于非推理模型，有时甚至表现更差。细致分析揭示了三个关键发现：首先，慢思考会导致准确率下降；其次，适度且自适应的推理有助于提升性能；第三，模型依赖选项匹配而非真正的推理。本文还设计了两种干预方法以验证并缓解这些问题。研究表明，LRMs在形式推理方面的进步无法完全迁移到ToM任务中，实现稳健的心智理论需要超越现有推理方法的独特能力。