Chinese Academy of Sciences Solves AI's Most Embarrassing Problem: Social Intelligence

中国科学院计算技术研究所的智竞团队正式发布了名为“智竞社会智能”的技术体系，旨在弥补大型语言模型在社会认知方面的不足。该系统包含三个核心组件：SoMBench基准（Social Mind Benchmark）、Zing训练系统和Actio部署架构。SoMBench将抽象的“理解他人”概念细化为3个维度、17个子维度和71项任务，使用3481个精心挑选且经专家验证的实例；它不仅能评估总体得分，还能指出模型的具体错误（例如推理链断裂或基于表面模式猜测）。对20个领先LLM的测试显示，最佳模型仅得72.08%，无模型达到90%阈值，证实了任务的难度。Zing训练系统采用三个关键机制：FLARE——“飞轮数据”，生成针对模型特定弱点的新训练样本；两阶段训练（先通过蒸馏和带动态奖励的GRPO学习通用社会智能，再通过SFT和困难样本校准强化专业技能）；以及OPD（On-Policy Distillation）——在学习新知识时保留旧知识，防止灾难性遗忘。结果令人印象深刻：多模态模型Zing-27B在五个国际基准的平均值上超越GPT-5.5（79.80比78.44），在HiToM（+4.08个百分点）和EmoBench（+5.62个百分点）上优势最大。文本模型Zing-32B略胜DeepSeek-V4-Pro（76.32比75.90），尤其在EmoBench上（78.13比71.88）。小模型Zing-8B和Zing-14B在HiToM上相比基础模型有显著提升，甚至超过了参数数量大得多的模型。Actio部署架构可根据任务选择性地激活四种支持类型（PRISM、Starling Memory、SAGE、Gated RAG），使模型不仅“思考”，还能在真实场景中正确行动。该系统可应用于具身智能（辅助机器人、伴侣机器人）、复杂决策（政策制定、危机管理）和人机交互（多智能体共享社会意识协议）。团队计划在GitHub上开源基准测试和模型权重。