热点事件持续更新
PIP-ToM：多模态心智理论的视角受限证据校准方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月28日，arXiv cs.AI 刊出论文，提出面向多模态心智理论（ToM）的 PIP-ToM 方法。该工作针对多模态 ToM 中的视角泄漏与来源混淆问题，为每个智能体构建专属证据库，并与结构化心理状态断言对齐，在保留贝叶斯推理的前提下校准基于模型的假设打分。论文报告，PIP-ToM 搭配 GPT-4o 时，在 MuMA-ToM、MMToM-QA 和 Hi-ToM 三个基准上分别取得 92.56%、95.00% 和 95.00% 的平均准确率，并称其优于现有 ToM 方法。目前该结果仅为论文自述，尚无其他来源报道或独立复现。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
10月28日 arXiv 论文提出 PIP-ToM，称在三个 ToM 基准上准确率达 92.56%–95.00%。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AIPIP-ToM：面向多模态心理理论的视角受限证据校准方法
PIP-ToM 通过为每个智能体构建专属证据库、与结构化心理状态断言对齐，并在保留贝叶斯推理的前提下校准基于模型的假设打分，解决多模态心理理论（ToM）中的视角泄漏与来源混淆问题。搭配 GPT-4o 时，其在 MuMA-ToM、MMToM-QA 和 Hi-ToM 上分别取得 92.56%、95.00% 和 95.00% 的平均准确率，优于现有 ToM 方法。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。