# 上下文感知自适应SMC重采样

心理预测要同时判断角色会做什么、以及它相信什么，而只做表层拟合的模型往往给出动作与信念不一致的答案。一种神经符号推理框架把潜在认知状态拆成信念表示与可执行程序表示，用带上下文能量惩罚的粒子重采样筛掉违反情境约束的假设，再以停止梯度的交替定点迭代让两条通路分开更新。在OpenToM与FANToM的文本分类设定下，动作与信念同时正确的比例分别达到70.8%和52.1%，高于同规模纯编码器分类器。

心理预测要同时判断角色会做什么、以及它相信什么，而只做表层拟合的模型往往给出动作与信念不一致的答案。一种神经符号推理框架把潜在认知状态拆成信念表示与可执行程序表示，用带上下文能量惩罚的粒子重采样筛掉违反情境约束的假设，再以停止梯度的交替定点迭代让两条通路分开更新。在OpenToM与FANToM的文本分类设定下，动作与信念同时正确的比例分别达到70.8%和52.1%，高于同规模纯编码器分类器。