이 연구는 LLM이 약했던 고차 마음이론을 겨냥했어요

새 ToM 프레임워크 OSCToM이 정보 비대칭 추론에서 정확도 76%를 기록했어요.

이 연구는 LLM이 약했던 고차 마음이론을 겨냥했어요. 관찰자가 타인을 보는 관점과 자기 믿음이 충돌하는 상황을 RL, 확장 DSL, 합성 서러게이트 모델로 적대적으로 생성해 학습시켰거든요.

결과가 강했어요. FANToM에서 ExploreToM의 보고치 0.2% 대비 76%를 냈고, Hi-ToM·BigToM에서도 경쟁력을 유지했어요. 데이터 합성 효율도 6배 높아 작은 8B 모델의 잠재력을 보여줬어요.

핵심은 모델 크기보다 훈련 데이터 설계가 사회적 추론 성능을 크게 바꿀 수 있다는 점이에요.