AI情商短板怎么破？中科院知境发布社会心智大模型Zing
在人工智能技术飞速迭代的当下，我们见证了一个显著的分化现象：语言智能与工具智能已经跑出了各自的赛道，甚至在某些垂直领域超越了人类专家。GPT-5.5能够撰写严谨的专业论文，DeepSeek-V4-Pro可以生成结构复杂的代码，具身机器人也能完成高难度的基础物理操作。然而，当将这些强大的AI系统置于家庭聚餐、团队会议或医患沟通等真实的社会交互场景中时，它们往往表现得生硬、不合时宜，甚至引发信任危机。这种“高智商、低情商”的尴尬，并非源于知识储备的匮乏，而是源于社会心智能力的长期缺失。从单纯的“任务执行”迈向深度的“社会协作”，AI必须补上“读懂人心”这一课。
近日，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，正式发布了“知境社会心智大模型技术体系”。这一发布并非传统意义上追求基准测试分数刷榜的营销行为，而是一份关于如何将“社会心智”转化为独立、可测量、可训练的工程能力的完整答卷。其核心目标非常明确：为现有大模型补上社会认知的短板，赋予其更高的“情商”与可信任感，确保AI在关键的社会交互场合中既靠得住、又信得过。
精准诊断：构建社会心智的“CT扫描仪”
在进行任何系统性的改进之前，准确的诊断是首要步骤。知境团队并没有急于构建模型，而是先建立了一份极其精细的“体检表”——SoMBench。这份基准测试将笼统模糊的“懂不懂人”这一概念，拆解为3大一级维度、17个二级维度和71项细粒度任务。覆盖范围从基础的信念推断到高阶的情绪理解，从社会规范的遵循到复杂的关系建模，构建了一张全景式的社会心智“能力地图”。
SoMBench的独特之处在于其强大的诊断能力。它不仅仅给出一个总分，更重要的是精准定位“错误所在”。通过单选、多选、判断、开放题的多题型交叉验证，以及选项扰动、捷径检测、受控改写等复杂手段，SoMBench能够识别模型是真正理解了推理逻辑，还是仅仅依靠表面模式蒙对了答案。例如，它可以指出模型是因为推理链条断裂导致错误，还是因为陷入了某种认知捷径。这种细粒度的反馈为后续的训练指明了精确靶点。
在SoMBench的测试中，20个顶级大模型的最新版本，最强者的正确率也仅为72.08%，无一接近90%的理论天花板。这充分证明，社会心智领域目前仍是一片“无人区”，现有的主流模型在处理同一场景中角色关系、隐含意图、情绪变化、社会规范及言外之意等多层推理时，显得力不从心。
进化密码：Zing的训练系统逻辑
既然找到了病灶，如何开方？知境团队摒弃了传统的大模型训练路径，没有选择简单的“堆数据”或“堆算力”，而是设计了一套具备“自我进化”能力的训练系统Zing。这套系统由三个核心密码构成，形成了一个闭环的自适应优化流程。
第一个密码是FLARE数据飞轮，其核心理念是“错题本比课本更重要”。传统训练往往是一次性准备数据，而FLARE让评测像导航仪一样实时指引方向。当模型在诊断集中暴露出短板时，系统会定位到具体的认知维度，并针对性合成全新的训练样本。这些样本在语义、场景和推理路径上与原题不同，但旨在解决同一种能力缺陷。这就像发现学生几何薄弱，就出具新的几何题，而非重复刷题。经过多轮过滤，只保留那些模型当前无法轻易答对、但通过推理能够学会的中高难度样本，确保训练的高效性。
第二个密码是两阶段训练策略，旨在平衡“通识”与“专精”。第一阶段，利用多教师蒸馏构建高质量的冷启动数据，通过答案门控和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，根据任务类型和训练阶段，动态组合过程奖励、可验证奖励和拒绝采样。这种动态调整奖励目标的方式，避免了固定KPI带来的僵化。第二阶段则针对情绪理解、意图推断等薄弱环节进行专项强化，通过监督微调注入领域知识，并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。
第三个密码是OPD在线蒸馏，旨在解决强化学习中常见的“灾难性遗忘”问题。强化学习往往让模型在探索新路径时偏离原有的有效推理模式。OPD通过在在线轨迹上引入教师模型的token级分布约束，就像给探索中的模型系上了一根安全绳。GRPO负责“往前冲”以探索更优解，OPD负责“别跑偏”以守住已知边界。FLARE决定“学什么”，两阶段训练决定“何时学”，OPD决定“向谁学、不忘什么”，三者共同构建了一套随模型能力状态持续进化的自适应系统。
性能验证：从小参数到多模态的全面突破
训练方法的效果如何，最终需由数据说话。在5项国际权威社会心智评测基准上，Zing展现了硬核竞争力。
在多模态模型领域，Zing-27B在五项综合评测中的均值得分为79.80，超越了GPT-5.5的78.44。特别是在HiToM（+4.08个百分点）和EmoBench（+5.62个百分点）上优势显著。HiToM测试的是递归信念追踪能力，即“我知道你知道我知道”这种高阶认知，随着阶数增加，难度呈指数级增长。Zing-27B成为首个在该基准上超越GPT-5.5的百亿参数级公开模型，这是一个里程碑式的突破。
在文本模型领域，Zing-32B的综合均值为76.32，略超DeepSeek-V4-Pro的75.90。尤其在EmoBench上，以78.13对71.88的6.25个百分点领先，证明了专项社会心智训练在情感理解维度上能够形成显著的结构化优势。
更具启示意义的是小模型的表现。Zing-8B在HiToM上达到78.08，Zing-14B达到80.00，分别超越同尺寸基座模型近12和8个百分点，甚至超过了参数量为其数十倍的更大模型。随着递归阶数的升高，这种差距更加明显。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。这些结果有力地证明：社会心智能力的提升，源自训练方法的结构化设计，而非参数的简单堆砌。
部署优化：从参数记忆到显式状态管理
模型在训练阶段学会了“懂人心”，但在实际部署和应用中，如何避免“掉链子”？知境团队提出了Actio架构，这是一个“按需调用、不乱塞”的显式心智状态部署架构。
真实交互场景中，信息过载是常态，但AI真正缺乏的是“恰当的信息”。Actio以Harness为统一编排核心，根据任务的心智变量和推理需求，选择性激活四类支撑资源：PRISM提供76项分层心理与社交技能；Starling Memory显式记录“谁、何时、相信什么”的版本化更新；SAGE提供跨任务可复用的推理经验；Gated RAGE则负责社会文化知识的按需检索与验证。
一次典型的推理经历包括四个步骤：理解任务并识别心智需求、并行检索技能知识与记忆、排序裁剪组合后引导推理、离线沉淀有效经验。Actio就像一个经验丰富的社工，知道在何时、何地、针对何人调用哪块能力，而不是将所有信息强行塞入上下文窗口。这一机制的核心目标，是确保AI在真实场景中不仅“会想”，更能“做对”，从而配得上用户的托付。
未来展望：社会智能的工程化新赛道
知境团队的工作回答了一个根本性问题：社会心智能否像语言理解、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？答案是肯定的。SoMBench建立了能力坐标系，Zing实现了基于诊断的自适应训练，Actio提供了部署时的动态支持。三者共同构建了一条清晰的技术路线：社会智能不再是模型表现出的一种模糊“情商”，而是成为了具有评测工具、训练方法和运行时接口的工程对象。
这一突破的应用前景广阔。在具身智能领域，小参数模型使得在端侧部署成为可能，未来可广泛应用于家庭看护、儿童陪伴及协作机器人等场景，让机器不仅会动，更懂得何时需要帮助、何时应保持安静。在复杂决策推演中，理解“各方会怎么想、怎么做”往往比算清账目更重要，社会心智模型可为政策沟通、危机管理等提供预演沙盘。在人机共生领域，统一的社會心智协议有助于解决多智能体系统中的认知错位风险，促进不同智能体在社会认知坐标系下的长期协作。
当然，这条道路才刚刚开始。训练收益能否跨任务、跨文化迁移，Actio在长期真实交互中的稳定性如何，仍需更广泛的验证。但不可否认的是，“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，而心智空间拼的是“读空气”的能力。这是AI赢得人类信任的关键一跃，也是语言智能之后，通用人工智能迈向下一个核心赛道的必经之路。知境团队从评测、训练到部署的完整工程基础，已为这条新赛道铺好了第一块基石。