인간의 믿음을 무시하는 월드 모델은 잘못된 행동을 예측한다
새 연구에 따르면 Sora, Genie 3 등 현존 월드 모델은 물리적 상태만 모델링할 뿐 사람의 믿음·의도·감정 등 정신적 상태를 반영하지 않아 다음 행동을 잘못 예측합니다. 연구진은 믿음, 주의, 목표, 감정, 사회적 관계 등 정신 변수를 통합한 'Mental World Modeling(MWM)' 프레임워크와 학습 없이 작동하는 참조 구현 MENTIS, 평가 데이터셋 Menti-Bench를 공개했으며, MWM 파이프라인 적용 시 F1 점수가 63.3에서 87.9로 상승했습니다.
인간의 믿음을 무시하는 월드 모델은 잘못된 행동을 예측한다
월드 모델은 자율 AI 에이전트를 위한 부족한 기반으로 여겨지며, 행동이 취해졌을 때 장면이 어떻게 변하는지 예측한다. 새 논문은 현재 세대의 이런 시스템들이 중요한 구성 요소를 무시하고 있다고 주장한다. 바로 관련된 사람들의 머릿속에서 일어나는 일이다.
논문에 따르면 Sora, Genie 3, JEPA, Marble 같은 기존 월드 모델은 세계의 물리적 층면, 즉 사물, 위치, 움직임, 가림(occlusion)만 모델링한다. 그 세계 안의 사람들이 무엇을 믿고, 원하고, 사회적으로 적절하다고 여기는지는 상태 공간에 전혀 나타나지 않는다. 서비스 로봇, 의료 보조 에이전트, 협업 에이전트에게는 이것만으로 부족하다. 숨겨진 정신 상태가 인간 행동을 크게 좌우하기 때문이다.
다음 상태는 정신적이기도 하다
저자들은 간단한 예시로 이 격차를 보여준다. 누군가 보지 않는 사이에 컵이 캐비닛으로 옮겨졌다면, 순수하게 물리적인 월드 모델에게 그 장면은 올바르게 보인다. 하지만 여전히 잘못된 다음 행동을 예측한다. 컵이 어디 있다고 그 사람이 믿는지까지 추적하는 모델만이 그 사람이 실제로 무엇을 할지 설명할 수 있다.
'Mental World Modeling'(MWM)이라 불리는 이들의 프레임워크는 GitHub에 공개되었으며, 믿음, 주의, 목표, 의도, 감정, 규범, 사회적 관계 같은 정신 변수로 고전적 월드 모델을 확장한다. 대상 에이전트는 자기중심적 부분 시야만 보지만, 월드 모델은 완전한 상태를 가진다. 모든 행동은 말하기, 가리키기, 잡기 같은 물리적 전달체와 위로, 기만, 거절 같은 정신적 내용물로 나뉜다. 테이블 위로 컵을 미는 같은 동작이 사과일 수도, 기만일 수도, 배려의 행위일 수도 있다. 이를 구별해주는 변수는 월드 모델만 가지고 있다.
저자들은 의식을 시뮬레이션한다고 명시적으로 주장하지 않는다. 정신 상태는 행동과 맥락에서 도출된 가설이지 측정값이 아니다. 이 프레임워크로 만들어진 시스템은 불확실성을 표현하고 가정을 투명하게 유지해야 한다.
MENTIS: 학습 없는 참조 구현
이론을 검증하기 위해 연구진은 추가 학습이 필요 없는 모듈형 파이프라인 MENTIS를 만들었다. 이것은 과정을 여섯 단계로 나눈다. 먼저 장면이 파싱되고 자기 시점이 렌더링된다. 그다음 행동 옵션이 물리적·정신적 구성 요소로 분리되고, 결과 상태들이 병렬로 시뮬레이션된다. 각 분기는 물리적 타당성, 정신적 일관성, 사회적 적절성이라는 세 기준으로 점수를 매긴다. 이후 파이프라인은 결정론적 결정을 내린다. 모든 단계는 기계 판독 가능한 중간 결과를 남겨 오류를 특정 단계로 추적할 수 있다.
평가를 위해 저자들은 448개의 의사결정 장면으로 구성된 Menti-Bench 데이터셋을 만들었다. 320개의 텍스트 설명, 100개의 그림 이야기, 28개의 사운드·영상 클립이다. 각 장면에는 여섯 개의 응답 옵션과 올바른 행동뿐 아니라 그 기반이 되는 정신적·물리적 상태까지 문서화한 사람이 만든 참조 해답이 포함되어 있다. 장면의 78퍼센트는 두 명 이상의 등장인물을 포함한다.
더 많은 연산 재시도는 정신 모델링을 대체할 수 없다
팀은 OpenAI의 모델 다섯 개(GPT-5.6-Sol, GPT-4.1 포함)와 Anthropic의 모델 세 개(Claude Fable 5, Claude Opus 4.8, Claude Haiku 4.5)를 포함해 여덟 개의 언어 모델을 테스트했다. 저자들은 정확도 지표로 F1 점수를 사용해 선택된 행동에 대한 정밀도와 재현율을 결합했다. 모든 모델에서 점수는 모델링 층이 추가될수록 상승했다. 직접 답변은 63.3에 머문다. 같은 질문에 여섯 번 답하고 가장 흔한 응답을 고르는 자기 일관성(self-consistency)은 이를 77.9까지 끌어올린다. 완전한 MWM 파이프라인은 87.9에 도달한다. 같은 프로토콜에서 인간은 98.5를 기록했다. 이런 향상은 직접 답변을 여러 번 샘플링하는 방식으로는 재현할 수 없다. MWM을 적용한 가장 약한 모델(GPT-4.1, 84.9)조차 더 강한 모델의 성적을 능가한다.