ZhiJing, yapay zekânın “insan hâllerini” anlaması için ne vadediyor?

Büyük dil modelleri akıcı metin üretebilse de, bir kişinin gerçeği değil yanlış inancı üzerinden hareket ettiğini, söylenmeyen bir niyeti, değişen duyguyu ya da ilişki ve sosyal normların getirdiği sınırları anlamakta zorlanabiliyor. Çin Bilimler Akademisi Bilişim Teknolojisi Enstitüsü’nün (CAS ICT) ZhiJing sistemi, bu açığı hedefleyen bütünleşik bir “sosyal zihin” yaklaşımı.

Sistem üç hattı tek çerçevede topluyor: sosyal muhakemeyi ölçmek, bu beceriyi modelin eğitiminde içselleştirmek ve model gerçek kullanımdayken gerekli bağlamı temellendirmek. CAS ICT sistemi 24 Temmuz 2026’da kamuya tanıttı; teknik rapor ise 26 Temmuz’da arXiv’e gönderildi. Bu nedenle iki tarih birbiriyle çelişmiyor. 1

ZhiJing’in üç parçası

• SoMBench, psikoloji temelli bir tanılama ölçütü. Zihinsel durum temsili, sosyal etkileşim ve normların içselleştirilmesi olmak üzere 3 ana boyutu; 17 alt boyutu ve 71 görev paradigmasını kapsıyor. Ölçüt, 284 ortak senaryoda soru biçimini, anlatı bakış açısını ve bağlam uzunluğunu kontrol ederek uzmanlarca doğrulanmış 3.481 örnek kullanıyor. 1
• Amaç yalnızca modele bir puan vermek değil, hatanın türünü görünür kılmak: Model, kişinin inancını gerçeklikle mi karıştırıyor? Örtük bir niyeti kaçırıyor mu? Yeni bilgi geldiğinde inancını güncelleyebiliyor mu? Rol, ilişki veya sosyal norma bağlı koşulları gözden mi kaçırıyor? 1
• Zing, tanılama sonuçlarına göre eğitilen “içselleştirme” bileşeni. Hedef, sosyal muhakemeyi yalnızca iyi yazılmış istemlerde ortaya çıkan geçici bir davranış olmaktan çıkarıp model parametrelerine daha kararlı bir beceri olarak yerleştirmek. Yaklaşım; gözetimli ince ayar, çevrim içi politika damıtımı (On-Policy Distillation / OPD) ve değerlendirme rubriklerine dayalı pekiştirmeli öğrenmeyi bir araya getiriyor. 1
• Actio ise kullanım anına yönelik çerçeve. Usul bilgisi, kişilere atfedilmiş zihinsel durumların takibi, yeniden kullanılabilir deneyim ve sosyal ya da normatif bilgiye kontrollü erişim gibi destekler sunabiliyor. 1

Eğitim yaklaşımı sosyal bağlam hatalarını nasıl hedefliyor?

ZhiJing’in FLARE tarzı veri döngüsü, eğitim verisini rastgele büyütmek yerine hatadan hareket ediyor. Ölçütte başarısız olunan sosyal beceriler saptanıyor; bunlara dönük örnekler üretilip filtreleniyor, model eğitiliyor ve tekrar değerlendirmeye alınıyor. Teknik raporda bu süreç; sorunlu örneklerin çıkarılması, boyut bazında teşhis, zorluk ve cevaplanabilirlik kontrolleri, kestirme yol testleri, düzeltme ve seçme adımlarını içeren bir veri yineleme çerçevesi olarak anlatılıyor. 1

Eğitim iki aşamalı yürütülüyor:

1. İlk aşama, sosyal bağlama ilişkin geniş kapsamlı bir anlayış kurmayı amaçlıyor.
2. İkinci aşama, güçlü öğretmen modellerden zincirleme düşünme damıtımı ve pekiştirmeli eğitimle uzmanlaşmış sosyal-zihin muhakemesine odaklanıyor. 1

Mixed-Reward GRPO yöntemi, sosyal muhakemeye yönelik ödül sinyalini OPD ile birleştiriyor. OPD’nin rolü, model sosyal beceriler için sonradan eğitilirken temel modelin yararlı genel yeteneklerini korumak; başka bir deyişle “katastrofik unutma” riskini azaltmak. GRPO ise hedeflenen sosyal görevlerde başarıyı artırmayı amaçlıyor. 1

Zing-27B, GPT-5.5 karşısında ne sonuç aldı?

CAS ICT’ye göre çok modlu Zing-27B, beş uluslararası sosyal biliş ölçütünün ortalama skorunda GPT-5.5’i geride bıraktı. 1

Geliştiricilerin paylaştığı rakamlarda Zing-27B’nin beş ölçütteki bileşik ortalaması %79,80, GPT-5.5’in ise %78,44 olarak veriliyor. Bu, 1,36 puanlık fark anlamına geliyor. Bildirilen görev bazlı üstünlükler, HiToM’da 4,08 puan ve EmoBench’te 5,62 puan. Bu değerler, araştırma ekibinin açıkladığı değerlendirme sonuçlarıdır; mevcut birincil rapor özeti bu dört sayıyı bağımsız olarak ayrıntılandırmadığından, bağımsız üçüncü taraf doğrulaması olarak görülmemeli. 1

Önemli sınır: Yüksek skor, insanları güvenilir biçimde anladığı anlamına gelmiyor

ZhiJing’in asıl vurgusu, sosyal zekânın hâlâ modeller için zor bir alan olduğu. SoMBench’te değerlendirilen 20 temsili büyük dil modelinde en yüksek genel doğruluk yalnızca %72,08 oldu; 17 alt boyutun hiçbirinde raporun “neredeyse tavan” kabul ettiği %90 eşiğine ulaşılamadı. 1

Dolayısıyla Zing-27B’nin bildirilen sonuçları umut verici olsa da, bunlar yapay zekânın gerçek hayatta insanların niyetlerini veya duygularını güvenilir biçimde “anladığının” kanıtı değil. Çalışmanın daha temkinli çıkarımı şu: İnanç, duygu, ilişki ve norm gibi sosyal bağlam unsurları artık daha sistematik biçimde ölçülebilen, hedefli eğitime konu olan ve kullanım anında desteklenebilen bir mühendislik problemi hâline geliyor. 1