一个7B参数的智能体，怎么在多人协作里猜出队友下一步想干什么？UC San Diego的新论文给了一条路：把心理理论（ToM）直接写进训练奖励里。

做法不复杂。研究团队先训练一个专门推断伙伴信念、意图和想法的模型，然后在强化学习阶段，用这个模型给候选回复打分。分数高的回复被保留，智能体就在一轮轮打分里学会了"站在对方角度想"。

打开网易新闻 查看精彩图片

关键在部署那一步

训练时用到的推断模型，到了实际运行阶段并不需要跟着上场。论文里说得很清楚：最终智能体单独运行，部署时无需额外模型。也就是说，那个"读心"能力被压进了7B模型本身，而不是外挂一个更大的判断模块。

论文题为《Mental-Models for Multi-Agent Systems》，编号 arXiv:2610.12453。多智能体系统里，每个智能体都要对其他智能体的行为做预判，这种预判过去往往靠额外模块或更复杂的架构来兜底。

把推断能力内化进模型、部署时轻装上阵，是这项工作最直接的价值点。7B这个量级，也意味着它跑起来不需要太夸张的算力。