في عالم يتسم بالتفاعلات الاجتماعية المعقدة، يبذل البشر جهدًا كبيرًا للتفاوض بين الديناميات غير المعلنة وفهم وجهات نظر الآخرين حتى مع وجود معلومات محدودة. ومع ذلك، تواجه أنظمة الذكاء الاصطناعي صعوبة في تنظيم وفهم هذه السياقات الاجتماعية الضمنية، حيث تفتقر إلى تمثيلات واضحة للديناميات غير المرئية، مثل النوايا والمعتقدات والحالات الاجتماعية المتطورة.

لتلبية هذه الحاجة، أُدخل مفهوم "نماذج العالم الاجتماعي" (SWMs) الذي يرتكز على توجيه الفهم وتقنية جديدة تُعرف باسم "تمثيل العالم الاجتماعي الهيكلي" (S3AP)؛ تهدف هذه التقنية إلى التقاط الحالات المتطورة، والإجراءات، والحالات الذهنية للوكيل، وهو ما يعالج نقص الهيكلية في المدخلات التقليدية المعتمدة على النصوص الحرة.

من خلال سلسلة من التجارب الشاملة التي تم تنفيذها عبر خمسة معايير لتقييم التفكير الاجتماعي، أظهرت النتائج أن تقنية S3AP قد حسنت أداء نماذج اللغة الكبيرة (LLMs) بما يزيد عن 51% على معيار FANToM، مقارنةً بنموذج OpenAI's o1. كشفت التحليلات الإضافية أن هذه التحسينات تعود إلى النمذجة الصريحة للحالات الذهنية المخفية، مما أثبت فعاليته مقارنةً بمجموعة متنوعة من الأساليب الأساسية.

بالإضافة إلى ذلك، تم تقديم خوارزمية جديدة لنماذج العالم الاجتماعي باستخدام S3AP، مما يمكّن الوكلاء الذكيين من بناء نماذج لمتحدثيهم والتنبؤ بأفعالهم والحالات الذهنية المستقبلية. من الناحية التجريبية، أظهرت نماذج العالم الاجتماعي المعززة بتقنية S3AP تحسنًا يصل إلى 18% على معيار SOTOPIA للتفاعل الاجتماعي المتعدد الأدوار.

تسلط نتائج هذه الدراسة الضوء على جاذبية تقنية S3AP كتمثيل قوي وشامل لحالات العالم الاجتماعي، مما يمكن من تطوير أنظمة ذات وعي اجتماعي أكبر تساعد في تنقل التحركات والتفاعلات بشكل أفضل.