一句话看懂：一项新研究指出，当前主流世界模型（如 Sora、Genie 3）只模拟物理世界，忽略了人类信念、意图等 mental states，导致预测行为出错。研究者提出“Mental World Modeling”（MWM）框架，让模型在预测动作时同时追踪物理状态与心理状态。
事件核心：发生了什么
The Decoder 报道，一篇发表在 GitHub 上的新论文《Mental World Modeling》认为，现有世界模型——包括 OpenAI 的 Sora、DeepMind 的 Genie 3、LeCun 的 JEPA 以及 Marble——只对“物体、位置、运动、遮挡”等物理层建模，未将“人相信什么、想要什么、认为什么社交上合理”纳入状态空间。
研究者用一个例子说明问题：某人的杯子被移入柜子而他没看到，纯物理世界模型会认为场景没变，但这个人实际会去原位置找杯子——只有追踪“他认为杯子在哪”的模型才能预测对下一步行动。为此，他们提出 MWM 框架，将物理与心理状态耦合，并把每个动作拆分为“物理载体”（说话、指向）和“心理载荷”（安慰、欺骗、拒绝）。
团队还构建了无需训练的参考实现 MENTIS，将决策拆成六步，并用 448 个场景的 Menti-Bench 数据集测试 8 个大语言模型，包括 OpenAI 的 GPT-5.6-Sol、GPT-4.1 以及 Anthropic 的 Claude Fable 5、Claude Opus 4.8、Claude Haiku 4.5。结果显示，直接回答的 F1 分数为 63.3，自我一致性提升到 77.9，而完整 MWM 管线达到 87.9，人类基准为 98.5。
为什么重要
这项研究切中了自主 AI 智能体的一个关键盲区。服务机器人、医疗助手、协作智能体在真实环境中行动时，需要预测人的行为——而人的行为主要由“看不见的 mental states”驱动，而非纯物理状态。论文数据显示，去掉心理通道后平均 F1 下降 12.1 点，去掉物理通道下降 16.5 点，说明两个维度都不可偏废。
值得注意的是，最弱模型搭载 MWM（GPT-4.1，84.9）也能打败最强模型的直接回答+自洽（GPT-5.6-Sol，83.6）——这意味着增加推理结构比单纯增加采样次数更有效。该框架将心理状态视为“从行为与情境中推断的假设”，而非真实测量值，避免了对意识模拟的争议。作者同时要求系统表示不确定性并保持假设透明，为世界模型的安全部署提供了一个可操作的思路。
对用户/开发者/创作者的影响
对开发者的直接影响是：MENTIS 作为无需训练、模块化的参考实现，已在 GitHub 开源。如果你在构建需要理解人类意图的智能体（如机器人、NPC、虚拟助手），可以直接引入 MWM 的三通道评分机制（物理合理性、心理一致性、社会得体性）来改进现有模型，而无需重新训练大模型。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
平台方和 API 提供方而言，这项研究提示：下一代世界模型可能需要将“物理预测”与“心理推理”作为并行模块，而不是单一隐空间向量。对内容创作工具，这意味着生成式视频或 3D 场景模拟要考虑“角色行为是否与心理状态一致”，而非仅追求画面物理正确。不过论文仍为主观评估，建议开发者自行在真实场景中测试 MWM 的收益。
值得关注的后续
一是 MENTIS 的模块化设计是否会嵌入到现有智能体框架中，形成标准参考；二是 Menti-Bench 数据集（448 场景、78% 包含多人互动）是否会成为社区评测的常见基准，类似 MMLU 的角色；三是 OpenAI、DeepMind 等公司在下一代世界模型中是否会公开纳入 mental state 维度的设计。
