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

Команда Zhijing из Института вычислительных технологий Китайской академии наук официально представила технологическую систему социального интеллекта Zhijing, предназначенную для восполнения дефицита социального восприятия (social cognition) у больших языковых моделей. Система включает три ключевых компонента: бенчмарк SoMBench (Social Mind Benchmark), тренировочную систему Zing и архитектуру развертывания Actio. SoMBench разбивает абстрактное понятие «понимание людей» на 3 измерения, 17 подизмерений и 71 задачу, используя 3481 тщательно отобранный и проверенный экспертами пример; он способен не только оценить общий балл, но и указать на конкретные ошибки модели (например, обрыв цепочки рассуждений или угадывание по поверхностным паттернам). Тестирование 20 ведущих LLM показало, что лучшая модель набрала лишь 72,08%, ни одна не достигла порога в 90%, что подтверждает сложность задачи. Тренировочная система Zing использует три ключевых механизма: FLARE — «летающее колесо данных», которое генерирует новые тренировочные примеры, направленные на конкретные пробелы модели; двухэтапное обучение (сначала общий социальный интеллект через дистилляцию и GRPO с динамическими наградами, затем усиление специализированных навыков через SFT и калибровку сложными примерами); и OPD (On-Policy Distillation) — удержание старых знаний при освоении новых, предотвращая катастрофическое забывание. Результаты впечатляют: мультимодальная модель Zing-27B превзошла GPT-5.5 по среднему значению пяти международных бенчмарков (79,80 против 78,44), с наибольшим отрывом в HiToM (+4,08 п.п.) и EmoBench (+5,62 п.п.). Текстовая модель Zing-32B слегка обошла DeepSeek-V4-Pro (76,32 против 75,90), особенно в EmoBench (78,13 против 71,88). Малые модели Zing-8B и Zing-14B показали значительное улучшение в HiToM по сравнению с базовыми моделями и даже превысили показатели моделей с гораздо большим числом параметров. Архитектура Actio для развертывания обеспечивает выборочную активацию четырех типов поддержки (PRISM, Starling Memory, SAGE, Gated RAG) в зависимости от задачи, что позволяет модели не просто «думать», но и действовать правильно в реальных сценариях. Система может применяться в воплощенном интеллекте (роботы-помощники, компаньоны), сложном принятии решений (политика, кризисное управление) и человеко-машинном взаимодействии (единый протокол социального сознания для множества агентов). Команда планирует открыть исходный код бенчмарка и весов моделей на GitHub.