尽管GPT-5.5和DeepSeek-V4-Pro在硬核代码与学术写作上表现亮眼，但AI在处理复杂的人际沟通与社交场景时依然显得“心智缺失”。为了填补这一短板，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的“知境”团队正式发布了知境（Zing）社会心智大模型技术体系。
团队首先推出了SoMBench基准测试，通过3大维度、17个细分项和71项任务，对AI的社交理解力进行“CT级”全方位体检。在包含3481道评审实例的测试中，目前业界顶级模型无一突破90%的准确率天花板，社会心智领域俨然已是AI发展的“无人区”。
为了攻克难题，Zing采用了创新的FLARE数据飞轮系统，通过针对性的样本合成取代简单的算力堆砌。在训练流程上，Zing引入了Mixed-Reward GRPO强化学习框架，配合OPD（在线蒸馏）技术，确保模型在学习新社交技能的同时，不会遗忘已有的推理逻辑。实验数据显示，Zing-27B在多模态综合表现上不仅超越了GPT-5.5，更在递归信念追踪等高难度评测中展现出显著优势。
此外，知境还配套了Actio架构，将“读懂人心”的能力显式化，通过Starling Memory等模块实现心智状态的按需调用，使AI在实际交互中表现得更加自然、可信。
知境技术的出现标志着AI #Agent生态正从“执行工具”向“社会成员”演进。长期以来，AI Agent的发展重心被参数规模和逻辑推理占据，却忽视了协作中的“心理一致性”。知境通过#SoMBench将感性的情商转化为可工程化、可度量的指标，这在Agent领域具备里程碑意义。对比目前流行的ReAct或基于记忆的Agent框架，知境的#FLARE飞轮和OPD训练逻辑展示了一种“自适应进化”范式：通过动态调整奖励目标和在线蒸馏，它有效规避了强化学习中常见的灾难性遗忘。展望未来，具备社会心智的AI Agent将彻底重塑医患对话、团队协作及家庭管家等高频交互场景。这种“情商补偿”能力，将成为决定下一代AI系统能否真正从终端应用走向深度协作的关键分水岭，也将推动 Agent 基础设施向更具人类社会规范理解力的高级形态跃迁。
