本研究提出了ToMATO基准，以解决现有心智理论测试的不足。通过角色扮演生成对话，捕捉多种心智状态，发现虚假信念的生成普遍存在，并且人格特征显著影响模型表现。

该研究在Minecraft环境中使用概率图模型推理人类信念，发现玩家行为受到视野和信念的影响。AI代理商ToMCAT在推断虚假信念方面表现优异。