本研究提出了新的视频数据集R^3-VQA，以解决社交推理任务的复杂性不足问题。研究表明，现有视觉语言模型在复杂社交场景中的推理能力仍低于人类，而心理理论的应用可以提升其社交推理能力。

本文提出了ToMCAT框架，旨在生成基于心理理论的合作智能体轨迹。该框架结合了元学习机制和多智能体去噪扩散模型，能够动态调整计划，以适应环境和队友行为的变化，从而提高团队表现并减少资源消耗。

本研究提出ToM-agent新范式，旨在提升大型语言模型在开放领域对话中的心理理论能力，通过解耦心理状态与信心，增强对话者信念、欲望和意图的推断能力。

大型语言模型社交推理研究综述显示：GPT-4具备类人心理理论能力但不够可靠，其他模型表现较差。心理测量测试表明，模型普遍呈现高开放性、低外向性，参数越多越开放负责。上下文学习和SimToM框架可提升心理理论推理，但模型依赖浅层启发式，难以应对对抗性例子，行为不稳健。模型内部存在自我和他人信念表征，对社交推理具关键作用。