MindZero：零標註線上心智推理學習框架

研究論文提出 MindZero，一個創新的自監督強化學習框架，旨在訓練多模態大型語言模型進行線上心智推理。該框架解決了現實世界中 AI 助理面臨的多項挑戰，包括如何在多假設中進行線上推理並更新不確定性、實現實時適用的高效推理，以及缺乏標註數據的問題。在訓練過程中，MindZero 模型透過生成心理狀態假設來最大化觀察行為的似然估計，從而無需明確標註。訓練完成後，框架將模型基礎推理內化為快速的單次推理。論文在網格世界和家庭環境中評估 MindZero，結果顯示，單獨使用大型語言模型不足，模型基礎方法雖提高準確性但速度慢、成本高且受限於模型能力。相比之下，MindZero 增強了多模態大型語言模型的內在心智理論能力，在準確性和效率上均顯著超越傳統方法，表明心智推理可作為自監督技能被有效學習。