docs(10_Wiki): 위키 전체 재구성 — Topic_* 폴더를 4개 카테고리로 통합 + 대규모 중복 제거
Topic_Agent/Topic_Blog/Topics/Topics_Biz/Topics_Meeting/Topics_Rag의 마크다운 지식 문서를 Topic_General/Topic_Programming/Topic_Graphic/Topic_Business 4개 카테고리로 재분류. - 중복 제거: frontmatter의 status:duplicate/merged + duplicate_of/redirect_to 필드로 자기 자신을 중복으로 선언한 리다이렉트 stub 1032개 제거, 완전 동일 내용 파일 472개 제거, 동일 파일명·다른 내용 충돌 시 더 큰(완전한) 버전만 유지(162개 제거) — 총 1639개 중복 제거. - 분류: 폴더 단위로 명확한 항목(AI_and_ML/Coding/Architecture 등 → Programming, Comfyui/Visual_Effects → Graphic, Topics_Biz/Topics_Meeting/사업 등 → Business, Poetic_Blog_Writing/창의성/Game_Design 등 → General)은 폴더 우선순위로, 나머지 혼재 폴더(Topic_Agent/Topic_Blog/Topics 루트/Thinking & Reasoning/Other/UI_UX_Assets)는 title/tags 키워드 스코어링으로 파일 단위 분류(불명확한 경우 General로 폴백). 원본 폴더명은 "From_*" 서브폴더로 보존해 추적 가능성 유지. - 최종 배치: Programming 2784 / General 1608 / Graphic 285 / Business 249 = 4926개 문서. - 에이전트 운영 상태(.astra/.agent/.obsidian/sessions/memory/_company/docs/lessons/_shared/src)는 지식 콘텐츠가 아니므로 재분류 대상에서 제외하고 원위치 유지. - Topics/Topic_email(상위 보호 폴더 Topic_email과 파일명 100% 중복) 삭제 — 보호 폴더 자체는 미변경. - 완전히 비게 된 Topic_Agent/Topic_Blog/Topics_Biz/Topics_Rag 폴더 제거.
This commit is contained in:
Antigravity Agent
@@ -0,0 +1,149 @@
|
||||
---
|
||||
id: wiki-2026-0508-theory-of-mind-tom-in-ai
|
||||
title: Theory of Mind (ToM) in AI
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [ToM, Theory of Mind, Mental State Reasoning]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.85
|
||||
verification_status: applied
|
||||
tags: [llm, theory-of-mind, cognition, evaluation]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
tech_stack:
|
||||
language: Python
|
||||
framework: LLM eval harness
|
||||
---
|
||||
|
||||
# Theory of Mind (ToM) in AI
|
||||
|
||||
## 매 한 줄
|
||||
> **"매 modeling other agents' mental states"**. ToM 매 belief/desire/intention 의 attribute 하는 능력. 매 developmental psych origin (Sally-Anne test, age 4). LLM 의 ToM 매 2023-2026 hot debate — 매 GPT-4 / Claude 가 false-belief task 의 pass 했지만 매 robust reasoning 인지 매 surface pattern 매 unclear.
|
||||
|
||||
## 매 핵심
|
||||
|
||||
### 매 classic tasks
|
||||
- **Sally-Anne (false belief)** — 매 Sally puts ball in basket, leaves, Anne moves to box. 매 "Where will Sally look?" → basket (her belief).
|
||||
- **Smarties / unexpected contents** — 매 box labeled "Smarties" but contains pencils.
|
||||
- **Higher-order** — 매 "John thinks that Mary thinks that ..." (recursive).
|
||||
|
||||
### 매 modern eval (2024-2026)
|
||||
- **BigToM** (Gandhi 2024) — 매 belief/desire/percept axes 의 systematic.
|
||||
- **FANToM** (Kim 2023) — 매 multi-party conversation 의 missing info.
|
||||
- **ToMi** — 매 procedurally generated false-belief.
|
||||
- **EToM / SimpleToM (2024)** — 매 GPT-4 가 90%+ but Claude 4.x / o3 매 99% — 매 ceiling 의 close.
|
||||
|
||||
### 매 debate
|
||||
- **"True ToM" 의 emergence**: Kosinski 2023 → GPT-3.5 ~70%. Critics (Ullman 2023): 매 small perturbation 매 fail.
|
||||
- **Pattern-matching vs reasoning**: 매 trivial reword (basket → box swap) 시 accuracy 의 drop — 매 robust ToM 매 limited.
|
||||
- **Agentic implication**: 매 LLM agent 의 user intent infer / 다른 agent collaborate 시 ToM 매 essential.
|
||||
|
||||
### 매 응용
|
||||
1. Multi-agent collab (CAMEL, AutoGen team).
|
||||
2. Tutoring (student misconception 의 model).
|
||||
3. Persuasion / negotiation simulation.
|
||||
|
||||
## 💻 패턴
|
||||
|
||||
### 매 simple Sally-Anne eval
|
||||
```python
|
||||
import anthropic
|
||||
client = anthropic.Anthropic()
|
||||
|
||||
scenario = """Sally puts her ball in the basket. Sally leaves the room.
|
||||
Anne moves the ball from the basket to the box. Sally returns.
|
||||
Where will Sally look for her ball?"""
|
||||
|
||||
resp = client.messages.create(
|
||||
model="claude-opus-4-7",
|
||||
max_tokens=200,
|
||||
messages=[{"role": "user", "content": scenario}],
|
||||
)
|
||||
# 매 expected: "the basket" (Sally의 belief)
|
||||
```
|
||||
|
||||
### Perturbation eval
|
||||
```python
|
||||
# 매 robust check: rename, swap containers, add irrelevant info
|
||||
variants = [
|
||||
scenario.replace("basket", "drawer").replace("box", "cupboard"),
|
||||
scenario + " The room temperature is 22°C.",
|
||||
scenario.replace("Sally", "Bob").replace("Anne", "Alice"),
|
||||
]
|
||||
# 매 모든 variant 에 same answer 매 robust
|
||||
```
|
||||
|
||||
### BigToM-style structured prompt
|
||||
```python
|
||||
BIG_TOM = """
|
||||
Story: {story}
|
||||
Belief: What does {agent} believe about {object}?
|
||||
Desire: What does {agent} want?
|
||||
Action: Given the above, what will {agent} do?
|
||||
"""
|
||||
```
|
||||
|
||||
### Higher-order ToM (2nd order)
|
||||
```python
|
||||
prompt = """
|
||||
Mary saw John hide cookies in the cupboard.
|
||||
Mary leaves. John moves cookies to the drawer.
|
||||
Mary returns. John doesn't know Mary saw the original location.
|
||||
Q: Where does John think Mary will look?
|
||||
"""
|
||||
# 매 2nd order: John's belief about Mary's belief.
|
||||
```
|
||||
|
||||
### Multi-agent collab (with ToM prompt)
|
||||
```python
|
||||
SYSTEM = """You are Agent A negotiating with Agent B.
|
||||
Track: (1) what B has stated, (2) what B likely believes you know,
|
||||
(3) what B's hidden goal might be.
|
||||
Output JSON: {"my_action": ..., "B_belief_model": ..., "B_goal_estimate": ...}
|
||||
"""
|
||||
```
|
||||
|
||||
### Eval scoring
|
||||
```python
|
||||
def score_tom_response(answer: str, ground_truth: str) -> float:
|
||||
# 매 simple: substring match. 매 better: LLM judge with reasoning trace.
|
||||
return 1.0 if ground_truth.lower() in answer.lower() else 0.0
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Approach |
|
||||
|---|---|
|
||||
| Multi-agent system | Explicit ToM prompt (track other agents' beliefs) |
|
||||
| Tutoring / coaching | ToM prompt (model student state) |
|
||||
| Robust evaluation | Perturbation suite, not single test |
|
||||
| Agent communication | Structured belief representation |
|
||||
| Research claim | Always include perturbations (avoid Kosinski-style overclaim) |
|
||||
|
||||
**기본값**: 매 explicit ToM scaffolding (prompt + structured state) 매 robust 보다 implicit emergent capability 의 trust.
|
||||
|
||||
## 🔗 Graph
|
||||
- 응용: [[Multi-agent-System|Multi-Agent-Systems]]
|
||||
- Adjacent: [[Pragmatics]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: 매 multi-agent 시스템 design, user-intent modeling, persuasion / tutoring app, eval research.
|
||||
**언제 X**: 매 single-turn factual QA — 매 ToM 매 unnecessary overhead.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **Single test = capability claim**: 매 perturbation 없이 "GPT has ToM" claim 매 unreliable.
|
||||
- **Implicit reliance**: 매 prompt 에 "track beliefs" 의 명시하지 않으면 매 LLM 매 skip.
|
||||
- **Confusing knowledge with belief**: 매 LLM 매 ground-truth 의 know — 매 agent 의 partial-info 의 explicit 하게 model.
|
||||
- **Ignoring frame robustness**: 매 names / objects 의 swap 시 answer 매 변경되면 매 surface match.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (Kosinski 2023, Ullman 2023 critique, Gandhi 2024 BigToM, Kim FANToM 2023, recent SOTA 2025-2026).
|
||||
- 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — modern ToM eval + multi-agent applications |
|
||||
Reference in New Issue
Block a user