UCSD 提出训练期心智模型奖励机制：7B 智能体无需额外推理即可精准预测伙伴意图

加州大学圣地亚哥分校最新研究提出一种通过强化学习奖励函数内化“心智理论”的方法，使 7B 参数智能体在训练阶段利用辅助模型推断合作伙伴的信念与目标。该方法仅在训练评分时调用心智模型，部署后智能体可独立运行且无需额外计算开销，显著提升了多智能体协作中的意图识别准确率。