大型语言模型在许多语言任务上表现出色，但在复杂社会情境中的心理理论（Theory of Mind，ToM）推理能力仍不均衡。现有基准，包括 ExploreToM，并不总能测试出这些情境之所以困难的递归信念与信息不对称。为此，一篇以 arXiv:2605.20423 提交的论文提出了 OSCToM（Observer-Self Conflict Theory of Mind，观察者—自我冲突心理理论），用于建模基于大语言模型的心理理论任务中的嵌套信念冲突。该论文于 2026 年 5 月 19 日提交，由 Sharmin Sultana Srishty 等五位作者完成，共 15 页、12 幅图（包含 15 张图像）、3 张表，归类于人工智能（cs.AI），ACM 分类为 I.2.7 与 I.2.6。
这项工作的核心案例，是观察者对另一智能体的看法与观察者自身信念状态发生冲突的情形。这类情形超出了简单的换位思考，需要递归的、多层次的推理。OSCToM 通过结合强化学习（RL）、一种扩展的领域特定语言以及组合式代理模型（compositional surrogate models）来生成观察者—自我冲突，从而为模型提供更具针对性的训练数据。
在实验中，OSCToM-8B 在所测试的系统中取得了最佳整体结果。它在 FANToM 上改进了 ExploreToM 报告的结果，并在 Hi-ToM 与 BigToM 上保持竞争力。尤其值得注意的是，在信息不对称的 FANToM 基准上，OSCToM 达到 76% 的准确率，而 ExploreToM 报告的结果仅为 0.2%。此外，该数据合成流程的效率提高了 6 倍，这表明有针对性的训练数据可以帮助较小的模型处理高级认知推理。
论文作者指出，现有基准未能充分覆盖递归信念与信息不对称这些关键难点，因此 OSCToM 的贡献不仅在于一个更强的模型，还在于一套用于生成高难度心理理论样本的对抗式数据合成方法。项目代码已在 GitHub 上公开（https://github.com/sharminsrishty/osct），论文全文可通过 arXiv 的 PDF、实验性 HTML 以及 TeX 源码获取，DOI 为 https://doi.org/10.48550/arXiv.2605.20423，其 DOI 正由 DataCite 进行注册。提交历史显示，该论文的 v1 版本于 2026 年 5 月 19 日 19:19:26 UTC 提交，文件大小为 3,465 KB。