「知境」如何讓 AI 更懂人？中科院社會心智技術體系解析

大語言模型可以寫得流暢，卻不一定能分清「某人以為的事」和「實際發生的事」，更可能漏讀沒說出口的意圖、情緒轉折，或關係與身分所帶來的分寸。中國科學院計算技術研究所團隊推出的「知境」（Zhijing）社會心智大模型技術體系，正是針對這類社會情境理解問題提出的一套整合方法：先量測能力缺口，再針對性訓練，最後在實際部署時提供支援。1

研究所於 2026 年 7 月 24 日展示相關成果；技術報告則在 7 月 26 日提交。兩者是公開展示與論文提交的不同時間點，並不衝突。18

「知境」包含什麼？

整套架構可分為三個環節：

• SoMBench：社會心智能力的診斷型評測基準。
• Zing：把診斷結果轉化為模型訓練的「內化」系統。
• Actio：面向部署端的智能體支援框架。

其目標不是只讓模型在單一問答題答對，而是讓模型在複雜社會脈絡中，能較妥善地推斷他人的信念、意圖與情緒，並納入人際關係、角色與社會規範。1

SoMBench：先找出 AI 究竟「錯在哪裡」

SoMBench 以心理學為基礎，將抽象的「懂不懂人」拆為 3 項一級維度、17 項二級維度與 71 種任務範式。它涵蓋心智表徵、社會互動與規範內化等面向，使用 284 個共用情境及 3,481 個經專家驗證的案例；題型、敘事視角與上下文長度也受到控制，以降低模型只是靠題目表面線索猜中的可能。18

這類測試要捕捉的，不是一般知識問答常見的對錯，而是例如：

• 把角色的錯誤信念誤當成客觀事實；
• 沒有讀出暗示性的意圖或未明說的想法；
• 新資訊出現後，未能更新對角色信念的判斷；
• 忽略關係親疏、角色責任或社會規範對合宜行動的限制。1

團隊對 20 個代表性大模型的測試顯示，當時最佳模型的整體準確率僅 72.08%，17 項二級維度中沒有任何一項達到報告設定的 90% 近乎滿分門檻。這表示模型在社會推理上仍有明顯改善空間。1

Zing 如何訓練：由診斷帶動資料與模型迭代

Zing 是「知境」的模型訓練部分。核心思路是：不要只用大量泛用資料訓練，而是用 SoMBench 的失敗案例定位薄弱能力，再回頭生成、篩選與修補對應訓練資料，形成以診斷為中心的資料飛輪。研究團隊將這一類流程稱為 FLARE 式的能力驅動資料迭代，包含錯誤案例擷取、分維度診斷、難度與可回答性檢查、捷徑探測、修復與資料選擇等步驟。1

訓練大致分兩階段：

1. 建立廣泛的社會情境理解：先讓模型累積較完整的社會脈絡能力。
2. 強化專門的社會心智推理：再透過強教師的思維鏈蒸餾與強化學習，針對信念、情緒、規範與關係等難題加強表現。1

其中，**On-Policy Distillation（OPD，在策略蒸餾）**的功能，是在模型接受專門後訓練時，盡量保留原本的通用能力，避免「災難性遺忘」；而 Mixed-Reward GRPO 則把社會推理的獎勵訊號與 OPD 結合，以推動模型在目標社會任務上進步。1

Actio：不是只會判斷，還要能在部署時做對

「知境」的第三部分 Actio，定位為部署階段的支援框架。它可提供程序化引導、帶來源標記的心智狀態追蹤、可重用經驗，以及對社會或規範知識的受控檢索。換言之，模型即使已經受過訓練，在面對具體任務時仍可取得較可檢查的輔助，而非完全仰賴一次性生成。1

Zing-27B 成績如何？

中科院計算技術研究所表示，多模態 Zing-27B 在五項國際社會認知評測的平均成績超越 GPT-5.5。8

依團隊公布數據，Zing-27B 的五項基準綜合平均為 79.80%，GPT-5.5 為 78.44%，前者高出 1.36 個百分點；在高階心智理論基準 HiToM 與情緒基準 EmoBench，分別領先 4.08 與 5.62 個百分點。5

不過，這些細部數字目前應視為研究團隊所公布的評測結果。可取得的主要論文摘要確認其「五項基準平均領先」的主張，但未完整列出上述所有比較數值；因此，這不等同於第三方獨立重現的結論。1

這代表 AI 已經「讀懂人心」了嗎？

還不能這樣解讀。這項工作的重要性在於，它把原本模糊的「情商」或社會理解，拆成可測量、可定位、可訓練與可在運行時支援的能力鏈。但 SoMBench 的結果也提醒我們：即使是最強模型，對信念、意圖、情緒和社會規範的掌握仍不穩定。

因此，「知境」較合理的定位，是為 AI 的社會情境理解建立一套工程化路徑，而非證明模型已能可靠地理解人類。能否在真實、開放且高風險的互動場景中保持穩定，仍需要更多實際驗證。1