中科院计算所“知境”：用评测、训练与部署链路提升 AI 的社会心智能力

大模型能把话说得很流畅，并不等于它真正分得清“谁知道什么”“这句话暗示了什么”，或能随着情境变化理解人的情绪和关系。中国科学院计算技术研究所团队推出的 “知境”社会心智大模型技术体系，瞄准的正是这类社会语境理解问题。

这套体系并非只推出一个模型，而是把能力建设串成一条链路：用 SoMBench 做诊断，用 Zing 进行针对性训练，并以 Actio 为智能体在实际部署中提供支持。技术报告于 2026 年 7 月 26 日提交；相关发布报道将体系的正式发布日期列为 7 月 24 日，两者对应不同的公开节点。15

SoMBench：先把“懂不懂人”变成可测问题

SoMBench 是一个以心理学为基础的社会心智诊断基准。它从心智表征、社会互动、规范内化三个一级维度出发，进一步细分为 17 个二级维度、71 项任务范式；基准使用 284 个共享场景和 3481 个经专家验证的实例，并控制题型、叙事视角与上下文长度，尽量避免模型仅凭题面套路得分。18

它关注的并非一般知识问答，而是模型在社会情境中常见的失误，例如：

• 把某个人的主观信念误当成客观事实；
• 忽略未明说的意图、预设或情绪变化；
• 在获得新信息后，不能相应更新对他人信念的判断；
• 漏掉关系、角色分工及社会规范对合适行为的约束。1

这一设计的关键价值在于“定位错因”。如果模型答错，系统希望进一步判断：是推理过程出了断点，还是模型依赖表面词汇、题型结构等捷径猜中了答案。这样，评测不只是给出分数，也能为后续训练指出具体薄弱环节。5

现有模型距离这一目标仍有明显差距。报告对 20 个代表性大模型的测试显示，表现最好的模型总体准确率也只有 72.08%；17 个二级维度中，没有一个达到报告设定的 90% 近乎“能力封顶”的水平。1

Zing 如何训练社会语境理解

Zing 是“知境”中的能力内化组件，目标是让社会推理不再主要依赖临时提示词，而更稳定地沉淀在模型参数中。1

其核心方法可概括为三步：

1. FLARE 式数据闭环：先从 SoMBench 的失败案例中提取问题，再按能力维度诊断，针对薄弱点生成、筛选和修复数据，训练后重新评估。流程还包括难度与可回答性检查、捷径探测及样本选择，形成“诊断—训练—复测”的迭代闭环。1
2. 两阶段训练：第一阶段建立较广泛的社会语境理解；第二阶段聚焦社会心智推理，使用强教师模型的思维链蒸馏，并配合强化训练。1
3. Mixed-Reward GRPO 与 OPD：GRPO（群组相对策略优化）通过面向社会推理的奖励信号强化目标能力；同时引入 OPD，即在线策略蒸馏，尽量保留基础模型原有的通用能力，缓解专项后训练导致的“灾难性遗忘”。1

完整体系中的 Actio 则面向运行时：它可组织程序性指导、带归属的心智状态跟踪、可复用经验，以及对社会或规范知识的受控检索，帮助智能体在具体场景中调用相关支持。1

Zing-27B 的成绩意味着什么

团队称，其多模态 Zing-27B 在五项国际社会心智评测上的平均成绩超过 GPT-5.5。18

据发布报道披露的具体数值，Zing-27B 的五项评测综合均值为 79.80%，GPT-5.5 为 78.44%，前者领先 1.36 个百分点；其中，Zing-27B 在高阶心智推理基准 HiToM 上领先 4.08 个百分点，在情绪理解基准 EmoBench 上领先 5.62 个百分点。5

需要注意的是：技术报告摘要能够确认其“五项评测综合领先”的主张，但所提供的论文摘要未逐项展示上述四个具体数值。因此，79.80%、78.44% 以及两项单项优势，应理解为团队及相关发布报道所披露的评测结果，而非独立第三方复现结论。15

不是“AI 已读懂人心”，而是把问题工程化

“知境”的意义不在于证明 AI 已具备人类式理解，而在于尝试把过去较模糊的“情商”问题，拆解成可测量、可定位、可训练、可部署支持的工程对象。

SoMBench 的 72.08% 最高准确率也提醒我们：即使模型在若干基准上有所提升，面对真实交流中的含蓄表达、关系变化、规范冲突与情绪转折，可靠性仍有很大提升空间。1