本文评估了大型语言模型在多智能体协作文本游戏中的理论推理任务，发现其在合作和推理能力上表现优异，但在长期规划和任务状态管理上存在限制。通过显式信念状态表示，改善了智能体的表现和推理准确性，并探讨了大型语言模型在理解机器生成行为和意念理论方面的应用，提出了提升性能的新方法。

本文探讨了意念理论（ToM）如何提升人工智能（AI）与人类的协作效率。研究表明，预测合作者的知识缺失和心理状态有助于更好地完成任务。此外，结合ToM的语言学习代理在图像指称游戏中表现优异，显示出ToM在计算语言习得中的潜在价值。