ZhiJing: Kinas försök att lära AI läsa sociala situationer

Stora språkmodeller kan skriva övertygande, men har ofta svårt att avgöra vad en person tror, menar mellan raderna eller förväntas göra i en viss social roll. ZhiJing är Kinesiska vetenskapsakademins Institute of Computing Technologys (CAS ICT) försök att göra just den typen av social förståelse till en tydligare ingenjörsuppgift.

Systemet presenterades offentligt den 24 juli 2026. Den tekniska rapporten lades samtidigt upp på arXiv den 26 juli, vilket är två olika datum snarare än nödvändigtvis motstridiga uppgifter. 1

Tre delar: mäta, träna och använda

ZhiJing består av tre huvudkomponenter:

• SoMBench är test- och diagnosdelen. Den ska kartlägga om en modell kan resonera om mentala tillstånd, sociala interaktioner och normer.
• Zing är träningsdelen, som ska göra socialt resonemang till en stabilare egenskap i modellen i stället för något som bara fungerar med välformulerade instruktioner.
• Actio är ett ramverk för användning i drift. Det kan ge modellen procedurstöd, hålla ordning på vem som vet eller tror vad, återanvända erfarenheter och hämta social eller normativ kunskap när det behövs. 1

Tanken är alltså inte bara att få en AI att låta empatisk, utan att pröva om den kan dra rätt slutsats när verkligheten skiljer sig från en persons uppfattning, när en avsikt är underförstådd eller när en relation och en social norm ändrar vad som är rimligt att säga eller göra.

SoMBench: ett test för sådant vanliga frågesporttest missar

SoMBench är ett psykologiskt förankrat riktmärke med 3 huvuddimensioner, 17 deldimensioner och 71 uppgiftsparadigm. Det bygger på 284 gemensamma scenarier och 3 481 expertvaliderade exempel. Frågeform, berättarperspektiv och kontextlängd kontrolleras för att resultaten ska bli mer jämförbara. 1

Testet är utformat för att avslöja fel som lätt försvinner i vanliga kunskaps- och frågesvarstest: att blanda ihop en människas tro med vad som faktiskt är sant, missa en implicit avsikt, inte uppdatera ett antagande när ny information tillkommer eller bortse från relationer, roller och sociala regler. 1

När 20 representativa språkmodeller testades fanns tydlig förbättringspotential. Den starkaste modellen nådde bara 72,08 procents total träffsäkerhet, och ingen av de 17 deldimensionerna nådde rapportens gräns på 90 procent för en nivå nära taket. 1

Så ska Zing tränas för bättre socialt omdöme

Zing använder en diagnosstyrd data-loop, beskriven som en FLARE-liknande metod. Misslyckanden i SoMBench används för att identifiera svaga sociala förmågor, skapa och granska mer riktade träningsdata, träna modellen och sedan testa den igen. Processen omfattar bland annat analys av dåliga exempel, diagnoser per dimension, kontroller av svårighetsgrad och besvarbarhet samt test för genvägar där modellen kan ha gissat rätt via ytliga mönster. 1

Träningen sker i två steg:

1. Först byggs en bredare förståelse för sociala sammanhang.
2. Därefter fokuserar träningen på särskilt socialt mentalt resonemang, med kedjor av resonemang från starkare lärarmodeller och förstärkningsinlärning. 1

En central komponent är On-Policy Distillation (OPD), som ska hjälpa modellen att behålla användbara allmänna förmågor från basmodellen under den specialiserade efterträningen. Det är ett sätt att motverka så kallad katastrofal glömska: risken att en modell blir bättre på en smal uppgift men försämras på sådant den redan kunde. OPD kombineras med Mixed-Reward GRPO, där belöningssignalen ska driva modellen mot bättre resultat på de sociala resonemangsuppgifterna. 1

Rapporterade resultat för Zing-27B

CAS ICT uppger att den multimodala modellen Zing-27B överträffade GPT-5.5 i medelresultat över fem internationella riktmärken för social kognition. 1

Enligt de publicerade resultaten var snittet 79,80 procent för Zing-27B, jämfört med 78,44 procent för GPT-5.5 – en skillnad på 1,36 procentenheter. De största angivna fördelarna var 4,08 procentenheter i HiToM, ett test av avancerat resonemang om andras föreställningar, och 5,62 procentenheter i EmoBench, som mäter emotionell förståelse. 5

Det finns dock en viktig reservation: den tillgängliga primära rapporten bekräftar påståendet om ledning över fem test, men visar inte själv samtliga dessa exakta siffror i det tillgängliga utdraget. Resultaten bör därför läsas som forskargruppens egna utvärderingar, inte som en oberoende replikation. 1

ZhiJing är därmed ett intressant steg mot AI som bättre kan hantera social kontext. Men höga benchmarkresultat är inte samma sak som att en modell pålitligt ”förstår människor” i öppna, verkliga situationer – något SoMBenchs egna resultat också understryker. 1