本記事では、多ターンの社会的対話における大規模言語モデル（LLM）エージェントのための確率的意図モデルフレームワークを提示します。このフレームワークは、パートナーの潜在的な意図に対する信念分布を維持し、文脈から初期化され、各発話後に尤度推定を通じて動的に更新されます。進化する分布は、政策にさらなる文脈的基盤を提供し、不確実性の下での適応的対話戦略を可能にします。SOTOPIA環境での初期実験では、提案されたフレームワークがQwen2.5-7Bベースラインと比べてSOTOPIA-Allで9.0%、SOTOPIA-Hardで4.1%の全体スコアを向上させ、パートナーの意図を直接観察するオラクルエージェントをわずかに上回る結果が示されました。これらの結果は、確率的意図モデル化が社会的にインテリジェントなLLMエージェントの開発に貢献できる可能性を示唆しています。