当前，GPT-5.5 已能撰写专业论文，DeepSeek-V4-Pro 可生成复杂代码，具身机器人亦能完成基础物理操作，语言智能与工具智能均已形成独立赛道。然而，将 AI 置于家庭聚餐、团队会议或医患对话等社交场景中，其表现往往生硬且不合时宜。
这并非知识储备不足，而是“读懂人心”的社会心智能力尚未跟上。从“任务执行”迈向“社会协作”，补齐这一短板至关重要。
7 月 24 日，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“知境”团队正式发布知境社会心智大模型技术体系。该体系旨在为现有大模型注入“情商”与可信任感，使其在关键社会场景中真正靠得住、信得过。
先体检再开方：SoMBench 构建社会心智评测基准
知境团队首要工作是建立精细化的“体检表”——SoMBench。该基准将抽象的“懂人”能力拆解为3 大一级维度、17 个二级维度及 71 项细粒度任务，覆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谱系。
基于 3481 道经人类专家严格评审的实例，SoMBench 绘制出详尽的社会心智“能力地图”。其核心价值不仅在于评分，更在于精准定位错误模式：通过多题型交叉验证及受控改写等手段，系统能识别模型是推理链断裂还是依赖表面模式，从而为后续训练提供明确靶点。
测试数据显示，20 个顶级大模型在 SoMBench 上的最强正确率仅为 72.08%，无一突破 90% 天花板，印证了社会心智仍是 AI 领域的“无人区”。
社会心智之所以艰难，是因为 AI 需在同一场景中同步处理角色关系、隐含意图、情绪变化及未言之语等多层复杂推理，这对普通大模型构成了巨大挑战。
Zing 训练体系：让目标随能力动态进化
针对诊断出的短板，知境团队摒弃了单纯堆砌数据与算力的传统路径，设计了一套自适应进化的训练系统 Zing。
FLARE 数据飞轮：针对性合成新样本
Zing 引入 FLARE 机制，将评测作为导航仪。当模型暴露认知缺陷时，系统会定位具体维度并合成全新的训练样本。这些样本在语义和场景上与原题不同，但直指同一能力弱点，确保模型“哪里弱练哪里，且每次都是新题”，避免过拟合。
两阶段训练策略：从通识打底到专项强化
第一阶段通用打底：利用多教师蒸馏构建冷启动数据，结合 Mixed-Reward GRPO 强化学习框架。奖励目标随模型能力动态调整，而非固定不变。
第二阶段专项强化：针对情绪理解、意图推断等薄弱环节，先通过监督微调注入领域知识，再利用困难样本持续校准，确保在增强专项能力的同时不丢失通用推理能力。
OPD 在线蒸馏：探索与守界并重
为解决强化学习中“学新忘旧”的风险，Zing 采用OPD（On-Policy Distillation）技术。通过在在线轨迹上引入教师模型的 token 级分布约束，让 GRPO 负责“向前探索”，OPD 负责“守住边界”，实现能力进化与稳定性之间的平衡。
实测数据：小参数模型展现大心智
在五项国际权威社会心智评测基准中，Zing 系列模型表现优异。
△ 知境·Zing 在 5 项社会心智能力评测中的性能对比
Zing-27B：多模态综合能力超越 GPT-5.5
Zing-27B 五项综合均值为79.80，超越 GPT-5.5 的 78.44。尤其在 HiToM（递归信念追踪）和 EmoBench（情绪理解）上优势显著，成为首个在该基准上超越 GPT-5.5 的百亿参数级公开模型。
Zing-32B：文本模型比肩 DeepSeek-V4-Pro
Zing-32B 综合均值达76.32，略超 DeepSeek-V4-Pro。其在 EmoBench 上领先 6.25 个百分点，证明了专项社会心智训练在情感理解维度的结构化优势。
Zing-8B/14B：小模型实现大跨越
8B 与 14B 模型在 HiToM 基准上分别达到 78.08 和 80.00，超越同尺寸基座模型近 12 和 8 个百分点，甚至优于参数量数十倍的大模型。结果表明，社会心智能力的提升源于训练方法的结构化设计，而非单纯的参数堆砌。
△ 知境·Zing 在高阶信念推理评测中的性能对比
Actio 架构：将“懂人心”转化为工程能力
为解决部署时的稳定性问题，知境推出Actio显式心智状态部署架构。该架构以 Harness 为核心，根据任务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按需路由；
- Starling Memory：显式记录并版本化更新“谁、何时、相信什么”；
- SAGE：跨任务可复用的推理经验库；
- Gated RAG：社会文化知识按需检索与验证。
△ 知境·Actio 系统总览
Actio 如同经验丰富的社工，知道何时调用何种能力，避免信息过载，确保 AI 在真实场景中不仅“会想”更能“做对”。
应用前景：从实验室走向真实世界
具身智能：赋予机器人“心眼”
知境的小参数模型为端侧部署提供了可能，未来可应用于家庭看护、儿童陪伴及协作机器人等场景，让机器人在行动之余懂得察言观色、适时互动。
复杂决策推演：重大选择的预演沙盘
在政策沟通、危机管理及组织变革等场景中，该技术可帮助决策者提前推演各方反应及连锁后果，辅助制定更周全的策略。
人机共生：构建统一心智协议
面向多智能体长期协作，知境框架可提供统一的心智状态表达与共享协议，消除认知错位，实现人类、机器人与 AI Agent 的高效协同。
结语：社会智能成为 AGI 新赛道
知境团队通过 SoMBench 评测、Zing 自适应训练及 Actio 部署架构，成功将社会心智从模糊的“情商”概念转化为可测量、可训练、可工程的独立能力。
尽管跨任务迁移与长期交互稳定性仍需进一步验证，但“懂人心”已正式从玄学走向系统工程。在语言智能之后，社会智能正成为通用人工智能（AGI）发展的下一个核心赛道。
知境团队 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
GitHub：https://github.com/Zhijing-AI/Zing（评测基准、模型权重等后续将陆续开源）
项目技术报告：https://zhijing-ai.github.io/Zing/Zing_TechReport.pdf