BOLD实验室发布评估LLM心智理论的新基准

摘要与判断

British Open-ended Learning and Discovery Lab 发布入选 ICML 2026 的新基准 BOLD，该基准基于桌游 Decrypto 设计，专门用于评估大语言模型（LLM）的心智理论能力。测试结果揭示了当前前沿模型在多智能体环境中推理他人知识与信念时存在系统性缺陷，为后续提升 AI 的复杂社交推理与多智能体协作能力提供了新的评估工具与研究方向。

Topics

引用和原文

• 🧠 Our next #ICML2026 paper is a BOLD new benchmark, based on the game Decrypto, for LLM t
• 原文链接

Trace

Raw Item

raw_d9fbe55f37374b2f

Processed Item

processed_403b9fc601c34a78

Source

source_x_feishu_candidate_rockt

LLM Logs

llm_b3e0af52385f44cf, llm_6f482c2d44a840e1

Coze Loop

212ad0708623e463b1bb88f386b89ae0