HiVAE：用于可扩展心智理论的分层潜在变量

心智理论（ToM）使AI系统能够推断代理的隐藏目标和心理状态，但现有方法主要集中在小型可理解的网格世界空间。本文提出HiVAE，一种分层变分架构，将ToM推理扩展到现实的时空领域。受人类认知中信念-欲望-意图结构的启发，我们的三层VAE层次结构在3,185节点校园导航任务中实现了显著的性能提升。然而，我们识别出一个关键限制：尽管分层结构提高了预测能力，但学习到的潜在表示缺乏对实际心理状态的显式关联。我们提出了自监督对齐策略，并希望借此征求社区对关联方法的反馈。