대규모 언어 모델(LLM)은 대화형 추천 시스템을 혁신하고 있지만, 사용자의 정신 상태(욕구, 의도, 신념 등)를 추론하고 추론하는 능력인 마음 이론(ToM)의 평가가 중요합니다. 기존 ToM 벤치마크는 현실적인 대화 환경의 복잡성을 포착하지 못하고 행동 예측을 간과합니다. 본 논문은 추천 대화에서 ToM 능력을 평가하기 위한 새로운 벤치마크인 RecToM을 제안합니다. RecToM은 인지 추론과 행동 예측의 두 가지 차원에 중점을 둡니다. 최첨단 LLM에 대한 광범위한 실험 결과, RecToM이 상당한 어려움을 제시하며, 모델이 정신 상태를 인식하는 데는 부분적인 능력을 보이지만, 특히 진화하는 의도를 추적하고 대화 전략을 추론된 정신 상태에 맞추는 데 어려움을 겪는다는 것을 보여줍니다.
