ZhiJing: come CAS ICT prova a insegnare ai modelli IA a capire il contesto umano

ZhiJing è il sistema di “mente sociale” sviluppato dall’Institute of Computing Technology dell’Accademia Cinese delle Scienze (CAS ICT). L’obiettivo non è solo far produrre a un modello risposte fluenti, ma aiutarlo a ricostruire ciò che le persone sanno, credono, intendono o provano, tenendo conto di relazioni, ruoli e norme implicite.

Il sistema è stato presentato pubblicamente il 24 luglio 2026; il rapporto tecnico su arXiv risulta invece presentato il 26 luglio. Le due date riguardano quindi comunicazioni diverse. 1

I tre elementi di ZhiJing

• SoMBench è il banco di prova diagnostico. È basato su concetti della psicologia e suddivide la cognizione sociale in 3 dimensioni principali, 17 sottodimensioni e 71 paradigmi di compito. Include 284 scenari condivisi e 3.481 esempi verificati da esperti, controllando formato delle domande, prospettiva narrativa e lunghezza del contesto. 1
• Zing è il componente di addestramento e “internalizzazione”: punta a trasformare il ragionamento sociale da comportamento ottenuto solo con prompt ben formulati a capacità più stabile nei parametri del modello. 1
• Actio è il livello pensato per l’uso operativo: può combinare procedure, tracciamento degli stati mentali attribuiti ai soggetti, esperienze riutilizzabili e recupero controllato di conoscenze sociali o normative. 1

Che cosa misura SoMBench

Un normale test di domande e risposte può premiare una risposta formalmente corretta anche se il modello non ha capito la situazione. SoMBench cerca invece errori come:

• scambiare ciò che un personaggio crede con ciò che è realmente accaduto;
• non cogliere un’intenzione, una credenza o un segnale implicito;
• non aggiornare correttamente una credenza quando arrivano nuove informazioni;
• ignorare i vincoli dati da rapporti personali, ruoli sociali e norme di comportamento. 1

Le tre macroaree del benchmark sono rappresentazione mentale, interazione sociale e interiorizzazione delle norme. 8

Come Zing affronta questi limiti

Il metodo dichiarato dal team segue una logica di ciclo continuo dei dati, descritta come FLARE: gli insuccessi rilevati dal benchmark indicano quali capacità sociali sono deboli; tali diagnosi guidano poi generazione, filtro, correzione, selezione e nuovo test degli esempi di addestramento. Il processo comprende anche l’estrazione dei casi problematici, diagnosi per dimensione, verifiche di difficoltà e risolvibilità e controlli contro scorciatoie superficiali. 1

L’addestramento è organizzato in due fasi:

1. una fase ampia per costruire comprensione del contesto sociale;
2. una fase specializzata per il ragionamento sulla mente altrui, con distillazione del ragionamento da modelli insegnanti e reinforcement learning. 1

Il sistema usa inoltre On-Policy Distillation (OPD) insieme a Mixed-Reward GRPO. In termini semplici, l’OPD serve a conservare capacità utili del modello di base durante il post-addestramento specializzato, riducendo il rischio di catastrophic forgetting; il segnale GRPO spinge invece il modello verso prestazioni migliori nei compiti sociali mirati. 1

I risultati dichiarati per Zing-27B

CAS ICT afferma che il modello multimodale Zing-27B ha superato GPT-5.5 nella media di cinque benchmark internazionali di cognizione sociale. 1

Secondo i dati riportati dal team, Zing-27B ha ottenuto un punteggio composito del 79,80%, rispetto al 78,44% di GPT-5.5: un vantaggio di 1,36 punti percentuali. I margini indicati sono di +4,08 punti su HiToM, test di ragionamento sulle credenze di ordine elevato, e di +5,62 punti su EmoBench. 5

Questi numeri restano risultati comunicati dagli autori, non una replica indipendente. E il messaggio di SoMBench è anche prudente: nella valutazione di 20 modelli linguistici, il migliore ha raggiunto soltanto il 72,08% di accuratezza complessiva e nessuna delle 17 sottodimensioni ha toccato la soglia del 90%. 1

In altre parole, ZhiJing propone un modo più strutturato per valutare e migliorare la sensibilità dell’IA al contesto umano. Non dimostra però che un modello “capisca le persone” in modo affidabile nelle situazioni reali: mostra piuttosto quanto il divario sia ancora ampio e rende quel divario più misurabile.