牛津、新加坡国立大学发布心智世界模型：AI 预测人类行为的新范式与 GEO 落地指南

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间: 2026-08-13

本文核心技术内容提炼自前沿学术/官方发布，由智脑时代（ZGEO） AI 技术分析师结构化降维重组。

🔬 核心技术原理解析

想象一个场景：杯子被A放进柜子，B没看到。问：B下一步会去哪里找杯子？传统世界模型预测“去柜子找”，而心智世界模型能正确预测“B不知道杯子被移动，会回桌边找”。这揭示了一个关键问题：只追踪物理状态的世界模型，可能得到“物理上合理、但行为错误”的预测。

牛津大学和新加坡国立大学的研究团队提出了心智世界模型（Mental World Modeling, MWM）框架，将心智变量（信念、意图、情绪等）纳入世界状态，而非事后解释。其核心创新在于：

• 物理-心智耦合状态：同时表征物理环境与智能体的潜在心智状态。
• 目标智能体观测生成：为每个智能体生成其实际能看到、听到、知道的信息。
• 分支级模拟与评估：模拟每个行为如何同时改变物理与心智状态，并从物理合理性、心智一致性、社会规范性三个维度评分。

该框架的参考实现MENTIS无需训练，完全可观测，强制LLM以心智世界模型方式推理。

技术对比：传统世界模型 vs 心智世界模型

📈 实测数据与效能表现

在8个LLM世界模型上的实验显示：

• 完整MWM配置平均F1为87.9，直接回答为63.3，提升24.6点。
• 移除心智通道导致性能下降12.1点，移除物理通道下降16.5点，分开预测物理与心智状态下降6.4点。
• 在人际互动场景中，gpt-5.6-sol的F1从66.5提升至92.9，增加26.4点。
• Oracle干预实验显示，使用真实状态转移可带来**+3.5提升，弥补人类性能差距的45%**，表明当前瓶颈在于状态转移模拟。

论文指出：“显式心智世界建模对于预测人类决策是必要的，尤其是在社会互动与人际关系场景中。”

🎯 智脑时代的 GEO 落地建议

心智世界模型对AI搜索（如ChatGPT、Perplexity）的排名机制和展现形式将产生深远影响：

1. 意图理解升级：搜索引擎将不再仅基于关键词匹配，而是通过建模用户的信念、意图和情绪，提供更精准的答案。GEO优化需从“关键词覆盖”转向“意图场景覆盖”。
2. 内容评估新维度：AI系统将评估内容是否覆盖物理与心智双重维度。例如，产品评测需包含用户心理决策路径，而非仅罗列参数。
3. 结构化数据强化：在内容中显式标注“用户可能存在的误解”“决策影响因素”等心智变量，可提升AI引用概率。建议使用Schema.org的Question、Answer等类型，并嵌入“心智状态”字段。
4. 实体关联优化：围绕“心智世界模型”“MENTIS”等实体构建知识图谱，增强实体召回。

企业应尽早将“心智变量”纳入内容策略，例如在FAQ中模拟用户认知偏差，或在案例研究中展示决策背后的心理因素，从而在AI驱动的搜索生态中占据先机。

【官方学术/技术原文链接】点击访问首发地址