AI最尴尬的短板，中国科学院出手了

AI最尴尬的短板，中国科学院出手了

把“情商”做成了一套可测可训的工程

允中 发自 凹非寺

量子位 | 公众号 QbitAI

GPT-5.5能写专业论文，DeepSeek-V4-Pro能生成复杂代码，具身机器人能完成基础物理操作，语言智能和工具智能都已经跑出了自己的赛道。

但把同样的AI放进一次家庭聚餐、一场团队会议、一次医患对话，它往往表现得生硬、不合时宜。

不是知识不够，是“读懂人心”的能力还没跟上。这正是社会心智长期缺失带来的真实困境，也是从“任务执行”走向“社会协作”时必须补上的一课。

7月24日，中国科学院计算技术研究所智能算法安全全国重点实验室“知境”团队，正式发布知境社会心智大模型技术体系。

这不是又一个大模型刷榜的故事，而是一份关于社会心智如何成为独立工程能力的完整答卷。

知境要做的，正是为现有大模型补上这块短板——给模型增加“情商”与可信任感，让AI在关键场合靠得住、信得过。

先体检，再开方：SoMBench给AI做“社会心智CT”

治病之前先诊断。知境团队做的第一件事，是建立一份足够精细的“体检表”SoMBench。

SoMBench把笼统的“懂不懂人”拆解成3大一级维度、17个二级维度、71项细粒度任务，覆盖从基础信念推断到高阶情绪理解、从社会规范到关系建模的完整光谱。

3481道经过十余名人类专家评审、严格保留的实例，构成了一张社会心智的“能力地图”。

更重要的是，SoMBench不仅会告诉你“考了多少分”，还告诉你“错在了哪”。

通过单选、多选、判断、开放题的多题型交叉验证，以及选项扰动、捷径检测、受控改写等手段，SoMBench能精准定位模型的错误模式，例如：是推理链断了？还是靠表面模式蒙对了？这为后续的训练指明了靶子。

20个顶级大模型在SoMBench上测试，最强模型正确率仅72.08%，无一达到90%天花板，社会心智的“无人区”，名副其实。

为什么社会心智这么难？

因为同一场景里，AI要同时处理角色关系、隐含意图、情绪变化、社会规范、未说出口的话等多层推理——普通大模型根本理不清这些弯弯绕绕。

Zing的“训练密码”：让目标随能力一起进化

体检表有了，接下来怎么练？

知境团队没有走“堆数据、堆算力”的老路，而是设计了一套会“自我进化”的训练系统。

密码一：FLARE数据飞轮——错题本比课本更重要

传统训练是“准备一批数据，训完拉倒”。

Zing的做法是让评测像导航仪一样指出方向，而不是直接“透题”。

当模型在诊断集上暴露短板时，FLARE会定位到具体认知维度，再针对性合成全新的训练样本——语义、场景、推理路径都与原题不同，但瞄准同一种能力缺陷。

这就好比发现学生几何薄弱，就出套新几何题，而不是反复做同一张卷子。

候选样本还须经过多轮过滤，只保留模型当前无法轻易答对、但经过推理能够学会的中高难度样本。

这就是FLARE的核心逻辑：哪里弱就练哪里，但每次练的都是新题。

密码二：两阶段训练——先“通识”，再“专精”

第一阶段：通用社会心智打底。

模型首先利用多教师蒸馏构建高质量冷启动数据，通过答案门控、推理深度过滤保留有效推理轨迹；

随后采用Mixed-Reward GRPO强化学习框架，根据任务类型、训练阶段和推理质量，动态组合过程奖励、可验证奖励和拒绝采样——奖励目标随模型能力变化而调整，不是一成不变的KPI。

第二阶段：专项能力强化。

针对情绪理解、意图推断、社会规范、视角采择等薄弱环节，先用两轮监督微调注入领域知识，再用困难样本持续校准。

目标是：增强专项能力的同时，不丢失已学会的通用推理。

密码三：OPD在线蒸馏——边学新招，边不忘老本

强化学习最大的风险是“学新的，忘旧的”。

Zing的解决方案是OPD（On-Policy Distillation）：在在线轨迹上引入教师模型的token级分布约束，让学生模型在探索更优路径的同时，不偏离已验证的有效推理模式。

GRPO负责“往前冲”，OPD负责“别跑偏”。