UCSD 新论文：把心智理论写进 RL 奖励，7B agent 学会揣摩对手

UC San Diego 论文《Mental-Models for Multi-Agent Systems》提出 mental-model-enabled agents 框架，训练时用推断模型刻画对手的信念、意图、目标及二阶状态，作为奖励信号给候选回复打分，并通过摊销式递归心智理论表征做 RL 训练。