SimToM

SimToM（Wilf et al., 2023）是一类专门应对 “多人物/多对象 + 视角差异（谁知道什么）”问题的提示策略。它的目标不是让模型掌握新知识，而是让模型按“某个人的认知范围”来推理，避免把“读者/全知视角”的信息误当成角色已知，从而减少被无关信息或“你我都看见的事实”干扰。

你可以把它理解为：在回答前先做一次 Theory of Mind（心智理论） 的显式建模——“A 只知道哪些事实？”然后只用这些事实回答。

---

1) SimToM 解决的典型问题

这类题在故事推理、对话代理、游戏/剧本杀、多方协作里非常常见：

• 错位认知：Alice 离开房间后，Bob 把钥匙藏到抽屉里；问“Alice 会去哪里找钥匙？”
• 多对象追踪：多个物品被不同人移动/遮挡；问“某人认为某物在哪里？”
• 带大量干扰信息：故事细节很多，但问题只取决于某个角色当时看见/听见的内容。
• 对话场景的隐私/权限：某个代理不能使用它“全局看到”的信息，只能用被授权的事实回答。

---

2) 两段式 Prompt（SimToM 的标准流程）

SimToM 的关键是两次调用（或一个调用内的两段输出）：

Prompt 1：建立“某人的知识集合”（facts the person knows）

让模型把故事过滤成：角色 X 亲眼所见/被告知/可推断的事实，并标注不确定项。

模板：

你是“心智建模器”。
输入：一个包含多人物/多物体的事件描述，以及目标角色 {X}。
任务：列出 {X} 在问题发生时刻确切知道的事实（只包括：亲眼看到、亲耳听到、别人明确告诉他的内容、以及从这些内容可直接推出的结论）。
不要使用全知视角。不要包含 {X} 没看到/没听到的事件。
输出 JSON：
{
"known_facts": ["..."],
"unknown_or_uncertain": ["..."],
"time_reference": "..."
}

Prompt 2：只基于知识集合回答

模板：

你是“受限推理器”。
仅使用以下 known_facts 回答问题。
如果无法确定答案，输出“无法确定”，并说明缺失哪个关键事实。
输入：

• known_facts: ...
• question: ...

---

3) 例子 1：经典“钥匙/视角”问题

故事：

Alice 把钥匙放在桌上。Bob 进来，看见了。
Alice 离开房间。Bob 把钥匙从桌上拿走，放进抽屉。
Bob 离开。Alice 回到房间。
问：Alice 会去哪里找钥匙？

Prompt 1（建立 Alice 的已知事实）输出示例

{
  "known_facts": [
    "Alice 曾把钥匙放在桌上",
    "Alice 离开房间前，钥匙在桌上"
  ],
  "unknown_or_uncertain": [
    "Alice 不知道 Bob 是否移动过钥匙",
    "Alice 不知道钥匙现在是否还在桌上"
  ],
  "time_reference": "Alice 回到房间的时刻"
}

Prompt 2（受限回答）

仅基于已知事实：Alice 会先去桌上找钥匙。因为她最后看到钥匙在桌上，且不知道钥匙被移动过。

这就避免了模型用“全知视角”直接回答“抽屉”。

---

4) 例子 2：多对象 + 干扰信息（更接近真实应用）

故事：

会议室里有一个红色文件夹和一个蓝色U盘。
张三把红色文件夹放进了柜子里，李四看见了。
李四去接电话离开了房间。
这时王五进来，把红色文件夹从柜子拿出来放到桌上，又把蓝色U盘塞进抽屉。
李四回来后看到桌上有红色文件夹，但没有打开抽屉。
问：李四认为蓝色U盘在哪里？

Prompt 1（李四的知识集合）应得到类似：

{
  "known_facts": [
    "会议室里有红色文件夹和蓝色U盘",
    "张三把红色文件夹放进柜子里（李四看见）",
    "李四离开接电话",
    "李四回来时看到桌上有红色文件夹"
  ],
  "unknown_or_uncertain": [
    "李四不知道王五进来过",
    "李四不知道蓝色U盘被移动到抽屉"
  ],
  "time_reference": "李四回来后"
}

Prompt 2（受限回答）

无法确定李四认为蓝色U盘在哪里（故事未说明李四最后一次看到蓝色U盘的位置）。
关键缺失事实：李四在离开前是否看到蓝色U盘放在哪里，或是否有人告知过他U盘的位置。

这类“无法确定”在真实系统里非常重要：比瞎猜更可靠。

---

5) 工程落地：什么时候把 SimToM 用在产品里

• 多代理/角色扮演系统：每个角色只能用自己的记忆/权限回答。
• 隐私与权限控制：把“可见事实”作为 known_facts，强制模型不泄露无权限信息。
• 长对话客服/销售：不同参与者知道的信息不同，避免“把内部备注当成对客户可说的事实”。
• 游戏 NPC/剧本推理：NPC 只能基于自己的目击证词推理。

---

6) 与 S2A 的区别（避免混淆）

• S2A：主要是“去掉无关信息/潜在注入”，让问题更干净。
• SimToM：主要是“建立某个角色的知识边界”，即使信息相关，但角色没看到也要排除。

两者可以组合：先 S2A 降噪，再 SimToM 做视角约束推理。

---

如果你给我一个你自己的场景（例如：多方聊天记录里问“某人当时知道什么/会怎么认为”），我可以帮你把它改写成一套可直接用的两段 Prompt（含 JSON 输出字段），并给一组测试用例检验是否还会“全知视角泄露”。