文章摘要
7月24日，知境团队发布社会心智大模型技术体系。其打造评测基准SoMBench精准诊断模型短板，设计Zing训练系统针对性训练，在多项评测中成绩亮眼。还推出Actio部署架构，让AI在场景中“做对”。该体系为社会智能工程化奠基，应用前景广。

现在的大模型在专业创作、代码生成、物理操作等领域已经跑出了成熟赛道，但当它们进入家庭聚餐、团队会议、医患沟通这类真实社交场景时，往往会显得生硬不合时宜。这并非知识储备不足，而是缺乏“读懂人心”的社会心智能力——这正是当前AI从单一任务执行走向跨主体社会协作必须补上的关键短板。

7月24日，来自中国科学院计算技术研究所智能算法安全全国重点实验室的知境团队，正式发布了知境社会心智大模型技术体系，试图为现有大模型补上“情商”与可信任感的短板，让AI在关键场景中真正靠得住、信得过。这并非又一个大模型刷榜的故事，而是一套将社会心智转化为独立工程能力的完整解决方案。

要优化AI的社会心智，首先需要一套精准的诊断工具。知境团队打造的SoMBench就像一份精细的“体检表”，将笼统的“懂不懂人”拆解为3大一级维度、17个二级维度，覆盖71项细粒度任务，完整涵盖从基础信念推断到高阶情绪理解、从社会规范到关系建模的全场景能力光谱。这套评测基准包含3481道经过十余名人类专家严格评审保留的实例，构成了一张清晰的社会心智“能力地图”。

与普通评测只给出总分不同，SoMBench还能精准定位模型的错误模式：通过单选、多选、判断、开放题的多题型交叉验证，结合选项扰动、捷径检测、受控改写等手段，它能准确识别模型是推理链断裂，还是仅靠表面模式侥幸答对，为后续的针对性训练指明明确方向。

团队用SoMBench测试了20个顶级大模型，结果显示最强模型的正确率仅为72.08%，没有任何模型能达到90%的天花板水平，足见社会心智能力仍是AI领域的“无人区”。

社会心智之所以难以实现，核心在于真实社交场景需要AI同时处理多层复杂推理：既要理清角色关系、隐含意图、情绪变化，还要遵守社会规范、理解未说出口的潜台词，普通大模型很难理清这些交织的逻辑链条。

有了诊断工具，接下来需要针对性的训练方案。知境团队没有走“堆数据、堆算力”的传统路线，而是设计了一套具备自我进化能力的Zing训练系统。

传统的大模型训练往往是“准备一批数据，训完即止”，而Zing的核心逻辑是让评测像导航仪一样指明训练方向，而非直接“透题”。当模型在诊断集上暴露短板时，FLARE模块会定位到具体的认知维度，针对性合成全新的训练样本——这些样本在语义、场景、推理路径上都与原题不同，但精准瞄准同一种能力缺陷，就像发现学生几何薄弱时，会出新的几何练习题而非反复做同一张试卷。同时，候选样本还会经过多轮过滤，只保留模型当前无法轻易答对，但经过合理推理能够掌握的中高难度题目，真正做到“哪里弱就练哪里，且每次练的都是新题”。

Zing的训练分为两个核心阶段：

第一阶段是通用社会心智打底，模型首先通过多教师蒸馏构建高质量冷启动数据，通过答案门控、推理深度过滤保留有效的推理轨迹；随后采用Mixed-Reward GRPO强化学习框架，根据任务类型、训练阶段和推理质量，动态组合过程奖励、可验证奖励和拒绝采样，让奖励目标随模型能力变化调整，而非设置一成不变的考核标准。

第二阶段则是专项能力强化，针对情绪理解、意图推断、社会规范、视角采择等薄弱环节，先通过两轮监督微调注入领域知识，再用困难样本持续校准，确保在增强专项能力的同时不丢失已掌握的通用推理能力。

强化学习最大的风险是“学新忘旧”，Zing通过OPD（On-Policy Distillation）解决了这一问题：在在线轨迹上引入教师模型的token级分布约束，让学生模型在探索更优路径的同时，不偏离已验证的有效推理模式。GRPO负责“往前探索”，OPD负责“守住边界”，二者作用于同一批采样轨迹，既鼓励创新，又避免能力退化。

可以说，FLARE决定“学什么”，两阶段训练决定“什么时候学”，OPD决定“向谁学、不忘什么”，Zing构建的并非静态训练流程，而是一套随模型能力状态持续自适应的进化系统。

训练效果最终要靠数据说话。在5项国际权威社会心智评测基准上，Zing模型交出了亮眼的答卷：

  • Zing-27B的五项综合均值达到79.80，超越了GPT-5.5的78.44，尤其在HiToM和EmoBench两项评测中优势明显，分别领先4.08pp和5.62pp。其中HiToM评测的是“我知道你知道我知道”的递归信念追踪任务，推理阶数越高难度呈指数级增长，Zing-27B是首个在该基准上超越GPT-5.5的百亿参数级公开模型。
  • Zing-32B的综合均值为76.32，略超DeepSeek-V4-Pro的75.90，在EmoBench评测中以78.13比71.88领先6.25个百分点，证明专项社会心智训练能在情感理解维度形成显著的结构化优势。
  • 即便是小参数模型也表现出色：8B模型在HiToM评测中达到78.08，14B模型更是达到80.00，分别超越同尺寸基座模型近12和8个百分点，甚至超过参数量为其数十倍的更大模型。随着递归推理阶数提升，这种差距愈发明显——Zing-8B在三阶和四阶信念推理上分别提升了21.67和22.08个百分点。

这些结果清晰指向一个结论：社会心智能力的提升，核心来自训练方法的结构化设计，而非单纯的参数堆砌。

即便模型掌握了社会心智能力，在真实场景部署时仍可能出现“掉链子”的情况。知境团队给出的解决方案是Actio，一个“按需调用、不乱塞信息”的显式心智状态部署架构。

真实交互场景中并不缺少信息，而是缺少恰当的信息。Actio以Harness为统一编排核心，会根据任务的心智变量和推理需求，选择性激活四类支撑模块：

  • PRISM：76项分层心理与社交技能（20宏观+56微观），按需路由
  • Starling Memory：显式记录”谁、何时、相信什么”，版本化更新
  • SAGE：跨任务可复用的推理经验，三级回退激活
  • Gated RAG：社会文化知识按需检索，验证信用分配

一次典型的社会心智推理会经历四个步骤：首先理解任务并识别心智需求，随后并行检索技能、知识与记忆，接着排序裁剪组合这些资源引导推理，最后离线沉淀有效经验。这套机制让Actio就像经验丰富的社工，清楚知道什么时候该调用哪块能力，而非将所有信息硬塞进同一段上下文。这套系统的核心目标，就是让AI在真实场景中不仅“会想”，更能“做对”，配得上用户的托付。

物理AI解决的是AI“身体”的问题，而社会心智AI解决的是AI“心眼”的问题。知境的小参数模型（8B/14B）为端侧部署提供了可能，未来可应用于家庭看护、儿童陪伴、协作机器人等需要实时社会推理的场景，让机器不仅能完成物理操作，更能懂得谁需要帮助、什么时候该保持安静、怎样表达才恰当。

在事关重大的决策场景中，理解“各方会怎么想、怎么做”往往比单纯算清账目更重要。知境的社会心智能力未来可应用于政策沟通、危机管理、组织变革等领域的推演，帮助决策者在行动前提前预判不同选择可能引发的连锁反应。

当多个智能体（人类、机器人、AI Agent）需要长期协作时，最大的风险并非能力不足，而是“你以为我懂了，我以为你懂了”的认知错位。知境的社会心智建模框架，未来可为多智能体系统提供统一的心智状态表达与共享协议，让不同的智能体在同一个社会认知坐标系下实现高效协作。

社会心智能不能像语言理解、代码生成一样，被定义为一种可以持续测量、训练和改进的工程能力？

  • SoMBench建立了能力坐标系，把“懂不懂人”分解为可定位的认知缺口；
  • Zing依据诊断结果组织自适应训练，让社会推理从提示词诱导的临时行为，转化为模型参数中的稳定能力；
  • Actio则通过技能、心智状态、经验和社会知识的动态组织，为部署提供可选择、可检查的支持。

三者共同构建了一条清晰的技术路线：社会智能不再只是模型表现出来的一种模糊“情商”，而开始成为具备评测工具、训练方法和运行时接口的工程对象。

当然，这条道路才刚刚起步，训练收益能否跨任务、跨文化迁移，Actio能否在长期真实交互中保持稳定与合宜，仍需要更广泛的验证。但至少，“懂人心”这件事，终于从玄学走向了系统工程。

符号空间拼智商，物理空间拼行动力，心智空间拼的是“读空气”的能力，这是AI赢得人类信任的关键一跃。语言智能之后，社会智能正在成为通用人工智能的下一个核心赛道，而知境团队已经为这条赛道提供了从评测到训练到部署的完整工程基础。

以上内容不代表本平台立场，仅供读者参考