中科院发布知境社会心智大模型，AI情商短板有望补齐

当前AI在语言和工具智能上表现优异，但在家庭聚餐、团队会议等社会场景中往往生硬不合时宜。知境团队指出，这不是知识不够，而是“读懂人心”的能力尚未跟上，社会心智的长期缺失是从“任务执行”走向“社会协作”必须补上的一课。

为此，知境团队构建了SoMBench基准，将社会心智拆解为3大一级维度、17个二级维度、71项细粒度任务，涵盖基础信念推断到高阶情绪理解等完整光谱。基准包含3481道经十余名人类专家评审的实例，通过多题型交叉验证和捷径检测等手段精准定位模型错误模式。

在20个顶级大模型测试中，最强模型正确率仅72.08%，无一达到90%天花板，表明社会心智仍是AI的“无人区”。难点在于同一场景需同时处理角色关系、隐含意图、情绪变化等多层推理，普通大模型难以理清。

知境团队设计了会“自我进化”的训练系统，核心包括FLARE数据飞轮、两阶段训练和OPD在线蒸馏。FLARE通过评测定位认知短板，针对性合成全新训练样本，只保留模型当前无法轻易答对但经过推理能学会的中高难度样本，实现“哪里弱练哪里，每次练新题”。

两阶段训练先通过多教师蒸馏和Mixed-Reward GRPO强化学习构建通用社会心智基础，再针对情绪理解、意图推断等薄弱环节进行专项强化。OPD在在线轨迹上引入教师模型token级分布约束，防止强化学习中学新忘旧，GRPO负责探索，OPD负责守住边界。

Zing-27B在5项国际基准综合均值79.80，超越GPT-5.5的78.44，尤其在HiToM（+4.08pp）和EmoBench（+5.62pp）优势明显。Zing-32B综合均值76.32，略超DeepSeek-V4-Pro的75.90，EmoBench领先6.25个百分点。Zing-8B在HiToM三阶和四阶信念推理上分别提升21.67和22.08个百分点，超越更大参数模型。

Actio是“按需调用、不乱塞”的显式心智状态部署架构，以Harness为统一编排核心，根据任务心智需求选择性激活四类支撑：PRISM（76项分层心理与社交技能）、Starling Memory（显式记录心智状态）、SAGE（跨任务可复用推理经验）和Gated RAG（社会文化知识检索）。一次推理经历四步：理解任务并识别心智需求→并行检索→排序裁剪组合引导推理→离线沉淀有效经验。

应用前景包括具身智能（家庭看护、儿童陪伴等需要实时社会推理的场景）、复杂决策推演（政策沟通、危机管理等）和人机共生（多智能体系统统一心智协议）。小参数模型（8B/14B）为端侧部署提供了可能。

知境团队强调，社会智能正成为通用人工智能的下一个核心赛道，其技术路线使社会智能从模糊“情商”转变为具有评测工具、训练方法和运行时接口的工程对象。但训练收益能否跨任务、跨文化迁移，Actio能否在长期交互中保持稳定，仍需更广泛验证。