ALMANAC发布人类协作动作级心理模型标注数据集

ALMANAC数据集发布，为AI协作学习人类心理模型提供标注基础

ALMANAC发布人类协作动作级心理模型标注数据集，这是由研究团队公开的、用于训练AI理解协作过程中人类心理模型的数据资源。该数据集包含了真实人类在协作任务中的交互记录，并标注了每个动作背后对应的心理模型——即合作者对自身推理、对方意图和共同目标的认知状态。当前大型语言模型（LLM）虽已具备多步推理与工具使用能力，但在团队合作中，人类不断更新对同伴想法的理解，AI却缺少这方面的训练数据，ALMANAC直接填补了这一空白。

心理模型：协作中的隐性推理过程

心理模型是协作中的核心认知机制：一个人在做动作时，脑中同时运行着“我为什么这样做”“搭档接下来会做什么”“我们的任务目标有没有变化”三类推理。ALMANAC数据集把这些隐性推理显式标注出来，形成了动作级（action-level）的标注体系。例如，当一名参与者把工具递给同伴时，数据不仅记录“递工具”这一动作，还标注了其心理模型是“搭档需要这个工具完成当前子任务”。这种细粒度标注此前在公开数据集中极为少见。

为AI协作能力提供真实人类数据

研究团队指出，现有AI智能体大多针对任务完成率进行优化，缺乏对协作过程的理解。ALMANAC数据集的独特之处在于，它来源于真实人类的协作过程，而非模拟数据。这意味着研究者可以利用这些标注训练模型识别人类的意图变化、判断对方的注意力焦点，甚至预测协作中的冲突点。对于开发更自然的AI助手或多智能体系统，这类数据是重要的训练基础。

对AI协作研究的实际应用价值

该数据集可应用于多个方向：

• 意图识别模型训练：让AI从动作序列推断人类当前的心理模型状态；
• 协作策略学习：通过人类数据训练AI在协作中主动调整自己的行为；
• 多智能体系统评估：用真实人类的心理模型标注作为基准，衡量智能体的协作质量。

研究者还可以基于该数据集开发新的模型架构，让AI不仅完成指令，还能在协作中自适应地更新对同伴和任务的认知。

数据集的开放与未来方向

当前版本的数据集已在arXiv上公开，研究社区可以直接获取并进行实验。它的发布意味着AI协作能力的研究从“模拟环境评测”向“真实人类数据驱动”迈出了一步。随着多智能体协作场景在工业界和消费端日益增多（如多机器人协同、AI辅助创意工作），这类具备心理模型标注的数据将成为不可或缺的基础设施。