东京大学MIDA基准揭示多模态大模型社交盲区：GEO时代如何应对AI搜索的「心智理论」缺失

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间: 2026-10-29

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

MIDA（Multimodal Interactive Deception Assessment） 是东京大学团队提出的多模态交互式欺骗评估基准，旨在系统测试多模态大模型在多人社交互动中的欺骗检测能力。研究团队选择「一夜终极狼人」作为实验环境，因为该游戏同时解决了两个关键问题：一是谎言往往夹在追问、站队、辩护和群体压力中，并随新信息不断变化；二是游戏规则提供了可追溯、可验证的真值标签。

MIDA共包含2360条发言，其中819条来自Ego4D中的40局线下游戏，1541条来自151段YouTube游戏视频。每条样本包含视频、音频、对话历史和游戏规则，并被标注为真、假或中性。模型需要根据视频、音频和对话历史，自行推断说话者掌握的信息及其真实意图。

研究团队设计了社会思维链SoCoT和动态社会认知记忆DSEM两个模块。SoCoT将面部、身体和声音转化为结构化线索，再推测说话者的目标与心理状态；DSEM则为每名玩家维护一块持续更新的「记忆板」，记录其角色声明、行动、见闻、已知事实、人物关系和事件时间线。

「MIDA的意义并不局限于狼人杀。在会议协作、在线讨论、人机交互、智能客服以及多智能体协作等场景中，模型同样需要追踪不同参与者掌握的信息、不断变化的立场及其互动关系。」——论文作者康彩新等

📈 实测数据与效能表现

研究覆盖GPT-4o、GPT-5、Gemini、Claude，以及Llama、InternVL、Qwen、DeepSeek等模型。从总体准确率看，一些模型的表现似乎并不差：在Ego4D子集上，GPT-4o的总体准确率达到74.0%，Qwen2.5-VL-7B达到76.4%。但MIDA中存在大量中性发言，模型只要频繁选择「中性」，就能得到一个看起来不错的总分。

当研究者只保留必须判断真假的样本时，结果发生了明显变化：GPT-4o的二分类准确率只有27.6%，GPT-4o-mini也只有39.4%。Qwen2.5-VL-7B虽然总体准确率最高，但其对「假话」的F1值为0。换句话说，一个模型可能在大多数时候回答「无法判断」，由此获得较高的总体准确率，却依然不会真正识别谎言。

在「身份声明」类发言上，各款模型的平均准确率在两个子集上分别只有15.7%和25.3%；对于包含证据的发言，平均准确率也都不到40%。经验玩家还会进一步放大难度：YouTube玩家给出虚假证据的比例达到36.8%，接近新手玩家的3倍；身份谎言占比为51.6%，也远高于新手玩家的18.9%。

消融实验显示，去掉此前的对话历史后，GPT-4o-mini在真假样本上的准确率从39.4%骤降至13.4%。视觉信息也不是越多越好：加入一帧画面后，模型的宏平均F1提高了2.5个百分点；增加到三帧后，增益反而缩小至2.1个百分点。

「当前的多模态大模型是强大的『知识引擎』，而不是成熟的『社会智能体』。它们缺少的可能不只是更强的视觉编码器，而是对他人知识、信念和意图进行持续建模的能力，也就是通常所说的『心智理论』。」——论文作者康彩新等

🎯 智脑时代的 GEO 落地建议

1. 重构内容权威性信号：从「知识密度」转向「社会推理密度」

MIDA研究揭示，多模态大模型在欺骗检测和社交智能方面的准确率极低（GPT-4o仅27.6%）。这意味着在AI搜索（如ChatGPT、Perplexity）的排名机制中，单纯堆砌事实性知识的页面将面临同质化竞争。GEO策略应转向构建包含多方观点、立场演变和意图分析的「社会推理型内容」，例如行业争议事件的深度复盘、多方利益相关者访谈等，以提升AI答案合成时的权威权重。

2. 强化对话历史与上下文链条的结构化标记

实验表明，移除对话历史后模型准确率从39.4%骤降至13.4%。在GEO实践中，企业应确保内容页面包含清晰的时间线、事件演进脉络和前后文引用关系。建议使用Schema.org的DiscussionForumPosting或QAPage标记，将问答、反驳、补充等对话结构显式化，帮助RAG检索系统准确追踪「谁在什么时间说了什么」，从而提升内容被AI搜索引用的概率。

3. 布局「心智理论」型内容资产，抢占AI搜索的认知盲区

东京大学团队指出，当前多模态大模型缺乏对他人知识、信念和意图进行持续建模的能力。对于数字营销人员而言，这意味着AI搜索在涉及「意图分析」「动机判断」「信任评估」等查询时，答案质量存在显著缺口。企业应率先生产此类内容——如用户决策心理分析、客户信任建立案例、竞争对手策略拆解等——填补AI搜索的认知盲区，在Perplexity、ChatGPT等平台的答案合成中占据先发优势。

4. 警惕「中性回答」陷阱，优化内容的事实可核验性

MIDA中大量中性发言导致模型总体准确率虚高，但二分类准确率极低。映射到GEO领域，AI搜索同样倾向于对模糊内容给出「中性」引用或直接跳过。企业内容应减少模棱两可的表述，增加可验证的数据、引用和结论性判断，确保在AI答案合成时被识别为「高置信度事实节点」而非「中性噪声」。

【官方学术/技术原文链接】点击访问首发地址