Academia Chinesa de Ciências Resolve o Problema Mais Constrangedor da IA: Inteligência Social

A equipe Zhijing do Instituto de Tecnologia Computacional da Academia Chinesa de Ciências apresentou oficialmente o sistema tecnológico de inteligência social Zhijing, projetado para suprir o déficit de cognição social em grandes modelos de linguagem. O sistema inclui três componentes principais: o benchmark SoMBench (Social Mind Benchmark), o sistema de treinamento Zing e a arquitetura de implantação Actio. O SoMBench decompõe o conceito abstrato de "compreensão de pessoas" em 3 dimensões, 17 subdimensões e 71 tarefas, utilizando 3.481 exemplos cuidadosamente selecionados e revisados por especialistas; ele não apenas avalia a pontuação geral, mas também identifica erros específicos do modelo, como quebra na cadeia de raciocínio ou adivinhação baseada em padrões superficiais. Testes com 20 LLMs líderes mostraram que o melhor modelo alcançou apenas 72,08%, nenhum atingindo o limite de 90%, confirmando a dificuldade da tarefa. O sistema de treinamento Zing emprega três mecanismos principais: FLARE (Flying Data Wheel), que gera novos exemplos de treinamento direcionados a lacunas específicas do modelo; treinamento em duas etapas (primeiro inteligência social geral via destilação e GRPO com recompensas dinâmicas, depois aprimoramento de habilidades especializadas via SFT e calibração com exemplos complexos); e OPD (On-Policy Distillation), que retém conhecimento antigo ao aprender novo, prevenindo esquecimento catastrófico. Os resultados são impressionantes: o modelo multimodal Zing-27B superou o GPT-5.5 na média de cinco benchmarks internacionais (79,80 contra 78,44), com maior vantagem em HiToM (+4,08 p.p.) e EmoBench (+5,62 p.p.). O modelo textual Zing-32B superou ligeiramente o DeepSeek-V4-Pro (76,32 contra 75,90), especialmente em EmoBench (78,13 contra 71,88). Os modelos menores Zing-8B e Zing-14B mostraram melhora significativa em HiToM em comparação com modelos base, superando até mesmo modelos com muito mais parâmetros. A arquitetura de implantação Actio permite ativação seletiva de quatro tipos de suporte (PRISM, Starling Memory, SAGE, Gated RAG) conforme a tarefa, permitindo que o modelo não apenas "pense", mas também aja corretamente em cenários reais. O sistema pode ser aplicado em inteligência incorporada (robôs assistentes, companheiros), tomada de decisão complexa (política, gestão de crises) e interação humano-máquina (protocolo unificado de consciência social para múltiplos agentes). A equipe planeja abrir o código do benchmark e os pesos dos modelos no GitHub.