大型語言模型（LLM）在許多語言任務上表現優異，但在複雜社交場景中，它們的心智理論（Theory of Mind, ToM）推理能力仍不均衡。ToM是指理解他人心理狀態（信念、意圖、知識）的能力，對於人機交互至關重要。現有的基準測試，如ExploreToM，未能充分測試遞歸信念和信息不對稱帶來的挑戰，而這些正是複雜社交場景的核心難點。
針對這一問題，來自約翰霍普金斯大學等機構的研究人員提出了OSCToM（Observer-Self Conflict Theory of Mind），這是一種用於建模LLM中嵌套信念衝突的新方法。OSCToM的核心思路是：當觀察者對另一個體的看法與觀察者自身的信念狀態產生衝突時，這種觀察者-自我衝突超出了簡單的視角轉換，要求模型進行遞歸的多層推理。OSCToM結合了強化學習（RL）、擴展的領域特定語言（DSL）和組合代理模型，通過對抗方式生成這類衝突案例。
在實驗中，OSCToM-8B取得了最佳整體表現。在信息不對稱的FANToM基準測試中，OSCToM達到了76%的準確率，而此前最好的ExploreToM僅為0.2%，提升幅度顯著。此外，OSCToM在Hi-ToM和BigToM基準上也保持了競爭力。數據合成過程的效率提高了6倍，表明定向生成的訓練數據能夠幫助較小模型處理高級認知推理任務。
該論文共15頁，包含12幅圖（含15張圖像）和3個表格。研究團隊已在GitHub上公開了項目代碼，以便社區復現和進一步研究。這項工作不僅為LLM的ToM評估提供了更嚴苛的基準，也為通過對抗性訓練提升模型社交推理能力開闢了新途徑。