ZhiJing soll Sprachmodellen mehr sozialen Kontext vermitteln

Worum es bei ZhiJing geht

ZhiJing (auch „Zhijing“) ist ein System für soziale Intelligenz bei großen Sprachmodellen, entwickelt am Institut für Computertechnik der Chinesischen Akademie der Wissenschaften (CAS ICT). Sein Anspruch: KI soll nicht nur sprachlich überzeugende Antworten erzeugen, sondern besser erfassen, was Personen wissen oder glauben, welche Absicht sie andeuten, welche Beziehung sie zueinander haben und welche sozialen Regeln gelten.

Das System besteht aus drei Teilen: dem Diagnose-Benchmark SoMBench, dem darauf ausgerichteten Modell- und Trainingsansatz Zing sowie der Einsatzumgebung Actio. CAS ICT stellte ZhiJing am 24. Juli 2026 öffentlich vor; der zugehörige technische Bericht wurde am 26. Juli bei arXiv eingereicht. Das sind unterschiedliche Veröffentlichungsschritte, kein zwingender Widerspruch. 18

SoMBench: Ein Test für das, was in Gesprächen oft unausgesprochen bleibt

Herkömmliche Frage-Antwort-Tests erfassen nur begrenzt, ob ein Modell eine soziale Lage wirklich korrekt einordnet. SoMBench soll genau diese Lücke sichtbar machen. Der psychologisch fundierte Benchmark umfasst:

• 3 Hauptdimensionen: mentale Repräsentation, soziale Interaktion und Internalisierung von Normen;
• 17 Unterdimensionen und 71 Aufgabenparadigmen;
• 284 gemeinsame Szenarien sowie 3.481 von Expertinnen und Experten geprüfte Beispiele.

Dabei werden Frageformat, Erzählperspektive und Kontextlänge kontrolliert. Getestet wird etwa, ob eine KI die Überzeugung einer Person von der tatsächlichen Lage unterscheiden kann, ob sie implizite Absichten erkennt, Überzeugungen nach neuen Informationen aktualisiert oder Beziehungen, Rollen und Normen richtig berücksichtigt. 18

Das ist relevant, weil eine flüssige Antwort nicht automatisch bedeutet, dass ein Modell die Perspektive der beteiligten Personen verstanden hat. In der Auswertung von 20 repräsentativen Sprachmodellen kam das beste getestete Modell insgesamt nur auf 72,08 % Genauigkeit; keine der 17 Unterdimensionen erreichte die im Bericht genannte Schwelle von 90 %. 1

Zing und der FLARE-Kreislauf: Fehler gezielt in Trainingsdaten übersetzen

Zing ist die Trainingskomponente von ZhiJing. Sie soll soziale Schlussfolgerungen von einem Verhalten, das nur mit passenden Prompts gelegentlich gelingt, zu einer stabileren, in den Modellparametern verankerten Fähigkeit machen. 1

Dafür beschreibt das Team einen FLARE-ähnlichen Datenkreislauf: Fehler in SoMBench werden zunächst nach Fähigkeiten und Fehlermustern diagnostiziert. Daraus entstehen gezielt neue Trainingsbeispiele, die auf Schwierigkeit, Beantwortbarkeit und mögliche Abkürzungen im Antwortverhalten geprüft, gegebenenfalls überarbeitet und anschließend ausgewählt werden. Nach dem Training folgt erneut die Evaluation. 1

Das Training ist zweistufig angelegt:

1. In der ersten Phase soll das Modell ein breites Verständnis für sozialen Kontext aufbauen.
2. In der zweiten Phase folgt spezialisiertes Training für soziales Schlussfolgern – mit Chain-of-Thought-Destillation durch leistungsstarke Lehrermodelle und Reinforcement Learning. 1

Eine Rolle spielt dabei On-Policy Distillation (OPD): Sie soll nützliche allgemeine Fähigkeiten des Basismodells während der Spezialisierung erhalten und damit katastrophales Vergessen mindern. Beim sogenannten Mixed-Reward GRPO wird dieses Ziel mit einem Belohnungssignal für soziales Schlussfolgern kombiniert. 1

Actio soll das Modell im praktischen Einsatz absichern

Mit Actio ergänzt ZhiJing die Trainingsseite um eine Einsatzschicht für KI-Agenten. Sie kann prozedurale Hilfen, die Zuordnung mentaler Zustände zu Beteiligten, wiederverwendbare Erfahrungen sowie einen kontrollierten Abruf sozialen oder normativen Wissens bereitstellen. Die Idee dahinter: Auch ein trainiertes Modell benötigt in konkreten Situationen nachvollziehbare Stützen, statt soziale Regeln nur aus dem laufenden Dialog erraten zu müssen. 1

Ergebnis von Zing-27B im Vergleich mit GPT-5.5

Nach Angaben von CAS ICT übertraf das multimodale Modell Zing-27B den Mittelwert von GPT-5.5 über fünf internationale Benchmarks zur sozialen Kognition. Die veröffentlichte Vergleichstabelle nennt 79,80 % für Zing-27B und 78,44 % für GPT-5.5 – ein Vorsprung von 1,36 Prozentpunkten. Besonders groß seien die Abstände bei HiToM mit +4,08 Prozentpunkten und bei EmoBench mit +5,62 Prozentpunkten. 58

Diese Werte sind jedoch als vom Entwicklungsteam berichtete Evaluation einzuordnen. Der wissenschaftliche Kurztext bestätigt den Führungsanspruch über fünf Benchmarks, legt die genannten vier Einzelwerte im verfügbaren Auszug aber nicht selbst offen. Eine unabhängige Replikation der Ergebnisse ist damit nicht belegt. 1

Unterm Strich ist ZhiJing weniger ein Beweis dafür, dass KI Menschen bereits zuverlässig „versteht“, als ein konkreter Versuch, diese schwer messbare Fähigkeit technisch aufzuschlüsseln: erst Fehler bei Perspektivwechsel, Emotionen und Normen präzise finden, dann sie gezielt trainieren und den Einsatz zur Laufzeit absichern.