「知境」（ZhiJing／Zhijing）係中國科學院計算技術研究所推出嘅一套「社會心智」技術框架。佢唔係淨係要 AI 講嘢更流暢，而係想令大語言模型喺社交情境入面，較準確咁分辨一個人相信乜、想做乜、同邊個有咩關係、要遵守咩規矩，以及新資訊出現之後應點樣更新判斷。1

要留意日期：中科院計算所喺 2026 年 7 月 24 日公開展示相關成果；技術報告則顯示於 7 月 26 日提交。兩個係不同事件日期，未必互相矛盾。1

一套由「驗身、訓練到落地」組成嘅系統

「知境」大致分成三部分：

• SoMBench：用嚟量度及診斷模型社會理解力嘅基準；
• Zing：按診斷結果做針對性訓練嘅模型及方法；
• Actio：部署時用嘅支援架構，協助模型喺實際互動中調用程序指引、心智狀態追蹤、既有經驗，以及受控嘅社會／規範知識檢索。1

核心概念係將模糊嘅「AI 有冇情商」變成可以測試、定位問題、再訓練改善嘅工程流程，而唔係單靠提示詞叫模型「諗清楚啲」。

SoMBench：唔止問答啱唔啱，更要睇錯喺邊

SoMBench 係一個以心理學概念為基礎嘅診斷型評測，涵蓋 3 個一級維度、17 個二級維度、71 種任務範式。佢以 284 個共用情境，建立咗 3,481 個經專家核實嘅例子，並控制問題形式、敘事視角同上下文長度，盡量減少模型靠表面字眼「估中」嘅空間。1

佢要捉嘅，正正係一般問答評測未必驗到嘅盲點，例如：

• 將角色所相信嘅事，同客觀現實撈亂；
• 睇唔到說話背後冇明講嘅意圖或信念；
• 得到新消息之後，唔識更新對人物想法嘅判斷；
• 忽略關係、身份角色同社會規範帶來嘅限制。1

研究團隊以 SoMBench 測試 20 個代表性大模型，最好嘅模型整體準確率都只得 72.08%，而 17 個二級維度之中，冇一個達到報告所定義嘅 90%「接近滿分」水平。即係話，AI 對社交脈絡嘅掌握仍然有好大進步空間。1

Zing 點樣針對「唔識讀空氣」訓練？

Zing 係「內化」部分：目標係將社會推理由靠 prompt 先臨時做得到，變成比較穩定、寫入模型參數之中嘅能力。

團隊所講嘅 FLARE 式資料飛輪，做法係由診斷帶動迭代：先由 SoMBench 找出模型失手嘅能力項，再據此產生、篩選同修補針對性訓練例子，完成訓練後再評估。流程包括抽取失敗個案、按維度診斷、檢查題目難度及可答性、測試有冇走捷徑、修正同挑選資料。1

訓練則分兩段：

1. 第一階段先建立較廣泛嘅社交語境理解；
2. 第二階段集中訓練社會心智推理，結合較強教師模型嘅思維鏈蒸餾，以及強化學習。1

其中，On-Policy Distillation（OPD） 用嚟保留基礎模型原有、仍然有用嘅通用能力，減少模型接受專門後訓練後出現「災難性遺忘」——即學咗新技能，反而跌咗舊技能。另一邊，Mixed-Reward GRPO 將社會推理嘅獎勵訊號同 OPD 結合，推動模型喺目標社交任務上改善，同時盡量守住原本能力。1

Zing-27B 對 GPT-5.5：公布成績點睇？

中科院計算所表示，多模態 Zing-27B 喺 5 項國際社會認知評測嘅平均分超過 GPT-5.5。1

按團隊公布數字，Zing-27B 五項基準綜合平均為 79.80%，GPT-5.5 為 78.44%，即領先 1.36 個百分點；當中喺高階心智理論推理基準 HiToM 領先 4.08 個百分點，喺情緒評測 EmoBench 領先 5.62 個百分點。5

不過，呢組細項數字應該審慎理解：可見嘅主要技術報告摘要支持「五項評測平均領先」呢個總結，但未獨立展示上述全部精確分數。所以，較恰當嘅講法係：呢啲係團隊所報告嘅評測結果，未等於已經由第三方完整重現或證實。1

重點：有進步，唔等於 AI 已經識得「理解人」

「知境」最值得留意嘅地方，係佢將 AI 嘅社交理解拆成可追蹤問題：例如分唔分得清「角色以為」同「其實係」、有冇捕捉言外之意、會唔會因應關係同規範調整答法。

但基準分數始終唔等於現實世界嘅可靠性。就連 SoMBench 自己嘅測試都顯示，現有模型離穩定處理複雜人際互動仲有段距離。因此，Zing-27B 嘅結果可以視為社會認知訓練方法嘅一個正面訊號，唔應直接演繹成 AI 已經真正「讀懂人心」。1

「知境」（ZhiJing／Zhijing）係中國科學院計算技術研究所推出嘅一套「社會心智」技術框架。佢唔係淨係要 AI 講嘢更流暢，而係想令大語言模型喺社交情境入面，較準確咁分辨一個人相信乜、想做乜、同邊個有咩關係、要遵守咩規矩，以及新資訊出現之後應點樣更新判斷。1

要留意日期：中科院計算所喺 2026 年 7 月 24 日公開展示相關成果；技術報告則顯示於 7 月 26 日提交。兩個係不同事件日期，未必互相矛盾。1

一套由「驗身、訓練到落地」組成嘅系統

「知境」大致分成三部分：

• SoMBench：用嚟量度及診斷模型社會理解力嘅基準；
• Zing：按診斷結果做針對性訓練嘅模型及方法；
• Actio：部署時用嘅支援架構，協助模型喺實際互動中調用程序指引、心智狀態追蹤、既有經驗，以及受控嘅社會／規範知識檢索。1

核心概念係將模糊嘅「AI 有冇情商」變成可以測試、定位問題、再訓練改善嘅工程流程，而唔係單靠提示詞叫模型「諗清楚啲」。

SoMBench：唔止問答啱唔啱，更要睇錯喺邊

SoMBench 係一個以心理學概念為基礎嘅診斷型評測，涵蓋 3 個一級維度、17 個二級維度、71 種任務範式。佢以 284 個共用情境，建立咗 3,481 個經專家核實嘅例子，並控制問題形式、敘事視角同上下文長度，盡量減少模型靠表面字眼「估中」嘅空間。1

佢要捉嘅，正正係一般問答評測未必驗到嘅盲點，例如：

• 將角色所相信嘅事，同客觀現實撈亂；
• 睇唔到說話背後冇明講嘅意圖或信念；
• 得到新消息之後，唔識更新對人物想法嘅判斷；
• 忽略關係、身份角色同社會規範帶來嘅限制。1

研究團隊以 SoMBench 測試 20 個代表性大模型，最好嘅模型整體準確率都只得 72.08%，而 17 個二級維度之中，冇一個達到報告所定義嘅 90%「接近滿分」水平。即係話，AI 對社交脈絡嘅掌握仍然有好大進步空間。1

Zing 點樣針對「唔識讀空氣」訓練？

Zing 係「內化」部分：目標係將社會推理由靠 prompt 先臨時做得到，變成比較穩定、寫入模型參數之中嘅能力。

團隊所講嘅 FLARE 式資料飛輪，做法係由診斷帶動迭代：先由 SoMBench 找出模型失手嘅能力項，再據此產生、篩選同修補針對性訓練例子，完成訓練後再評估。流程包括抽取失敗個案、按維度診斷、檢查題目難度及可答性、測試有冇走捷徑、修正同挑選資料。1

訓練則分兩段：

1. 第一階段先建立較廣泛嘅社交語境理解；
2. 第二階段集中訓練社會心智推理，結合較強教師模型嘅思維鏈蒸餾，以及強化學習。1

其中，On-Policy Distillation（OPD） 用嚟保留基礎模型原有、仍然有用嘅通用能力，減少模型接受專門後訓練後出現「災難性遺忘」——即學咗新技能，反而跌咗舊技能。另一邊，Mixed-Reward GRPO 將社會推理嘅獎勵訊號同 OPD 結合，推動模型喺目標社交任務上改善，同時盡量守住原本能力。1

Zing-27B 對 GPT-5.5：公布成績點睇？

中科院計算所表示，多模態 Zing-27B 喺 5 項國際社會認知評測嘅平均分超過 GPT-5.5。1

按團隊公布數字，Zing-27B 五項基準綜合平均為 79.80%，GPT-5.5 為 78.44%，即領先 1.36 個百分點；當中喺高階心智理論推理基準 HiToM 領先 4.08 個百分點，喺情緒評測 EmoBench 領先 5.62 個百分點。5

不過，呢組細項數字應該審慎理解：可見嘅主要技術報告摘要支持「五項評測平均領先」呢個總結，但未獨立展示上述全部精確分數。所以，較恰當嘅講法係：呢啲係團隊所報告嘅評測結果，未等於已經由第三方完整重現或證實。1

重點：有進步，唔等於 AI 已經識得「理解人」

「知境」最值得留意嘅地方，係佢將 AI 嘅社交理解拆成可追蹤問題：例如分唔分得清「角色以為」同「其實係」、有冇捕捉言外之意、會唔會因應關係同規範調整答法。

但基準分數始終唔等於現實世界嘅可靠性。就連 SoMBench 自己嘅測試都顯示，現有模型離穩定處理複雜人際互動仲有段距離。因此，Zing-27B 嘅結果可以視為社會認知訓練方法嘅一個正面訊號，唔應直接演繹成 AI 已經真正「讀懂人心」。1