Chinesische Akademie der Wissenschaften behebt die schwierigste Schwäche von KI: soziale Intelligenz
Институт вычислительных технологий Китайской академии наук (Institute of Computing Technology, Chine
Das Team 'ZhiJing' der Chinesischen Akademie der Wissenschaften hat ein vollständiges technisches System für sozialen Verstand in großen Modellen veröffentlicht, darunter den SoMBench-Benchmark, das Zing-Trainingsframework und die Actio-Bereitstellungsarchitektur. SoMBench bewertet soziale Intelligenz in 71 feinkörnigen Aufgaben, während Zing adaptives Training zur Leistungsverbesserung einsetzt und Actio eine explizite Bereitstellung mentaler Zustände ermöglicht. In Tests übertraf Zing-27B GPT-5.5 in sozialen Verstand-Benchmarks.
Am 24. Juli 2026 hat das Team „ZhiJing“ des Key Laboratory of Intelligent Algorithm Security am Institute of Computing Technology der Chinesischen Akademie der Wissenschaften das technische System des ZhiJing Social Mind Large Models offiziell veröffentlicht. Dazu gehören SoMBench, ein Benchmark mit 3481 Instanzen in 3 Hauptdimensionen, 17 sekundären Dimensionen und 71 feinkörnigen Aufgaben, das darauf ausgelegt ist, Defizite in der sozialen Intelligenz zu identifizieren. Zing ist ein Trainingssystem mit dem FLARE-Daten-Flywheel, einem zweistufigen Training (zuerst allgemein, dann spezialisiert) und OPD-Online-Destillation, um soziales Denken adaptiv zu verbessern. Actio ist eine Deployment-Architektur mit explizitem mentalem Zustandsmanagement unter Verwendung von Komponenten wie PRISM, Starling Memory, SAGE und Gated RAG. Bei internationalen Benchmarks erreichte Zing-27B eine durchschnittliche Punktzahl von 79,80 und übertraf damit GPT-5.5 (78,44), während Zing-32B mit 76,32 knapp über DeepSeek-V4-Pro (75,90) lag. Kleinere Modelle wie Zing-8B und Zing-14B zeigten ebenfalls signifikante Verbesserungen, insbesondere bei Überzeugungen höherer Ordnung. Das System zielt darauf ab, soziale Intelligenz zu einer messbaren und trainierbaren Ingenieurfähigkeit zu machen.
Quelle: QbitAI 量子位 —
Original