arXiv cs.CL· Will Beaumaster, Paul Schrater·· 5 小时前AI 评分29
准确率无法认证多智能体团队的心智理论：GPT-5.4-mini 到 Claude Opus 5.5 的盲区门控方案
Smart Alone, Blind Together: Why Accuracy Fails to CertifyTheory of Mind in Multi-Agent Teams
AI 导读
研究指出，以推断准确率认证多智能体协调模块是错误的，因为错误成本取决于部署场景，且模块间错误存在相关性。在任务分配、Level-Based Foraging 和 Hanabi 测试中，GPT-5.4-mini 到 Claude Opus 5.5 对队友的错误率从 32% 降至 11%，但三人同时误读的概率仅从 16% 降至 9%（独立假设下应为 3.4% 至 0.15%）。
来源：arXiv cs.CL · arxiv.org