रिपोर्ट में Zing का परिचय दिया गया है, एक एकीकृत फ्रेमवर्क जिसे बड़े भाषा मॉडलों की सामाजिक बुद्धिमत्ता को मापने, आंतरिक करने और ग्रौंडिंग के द्वारा बढ़ाने के लिए डिज़ाइन किया गया है। लेखकों ने SoMBench प्रस्तुत किया है, एक मनोविज्ञान-आधारित बेंचमार्क जो 17 द्वितीयक आयामों और 3,481 विशेषज्ञ-सत्यापित उदाहरणों को कवर करता है, जो दर्शाता है कि वर्तमान LLMs में सुधार के लिए महत्वपूर्ण स्थान है और कोई भी मॉडल लगभग शीर्ष प्रदर्शन तक नहीं पहुँचा।
- Zing पर्यवेक्षित सूक्ष्म-अनुकूलन, ऑन-पॉलिसी डिस्टिलेशन और रूब्रिक-आधारित पुनर्बल सीखने को मिलाकर एक निदान-चालित प्रशिक्षण विधि का उपयोग करता है ताकि सामाजिक कौशल को आंतरिक किया जा सके।
- Zing-27B-Stage2 पाँच सामाजिक-संज्ञान बेंचमार्क्स पर सबसे अच्छा औसत स्कोर प्राप्त करता है, जबकि Zing-32B-Stage2 DeepSeek-V4-Pro के साथ प्रतिस्पर्धी बना हुआ है।
- Actio को एक हार्नेस-नियंत्रित इनफरेंस आर्किटेक्चर के रूप में पेश किया गया है जो चार टाइप्ड समर्थनों—PRISM, Starling, SAGE, और गेटेड RAG—को तर्क में मोड़ता है।
- पूर्ण Actio हार्नेस पाँच बेस मॉडलों और तीन बेंचमार्क्स के across 15 मॉडल-बेंचमार्क जोड़ों में से 14 में सुधार करता है, जिससे टाइप्ड रनटाइम समर्थन की प्रभावशीलता का प्रदर्शन होता है।
ये परिणाम दर्शाते हैं कि सामाजिक रूप से बुद्धिमान LLMs को मानसिक अवस्थाओं का प्रभावी ढंग से अनुमान लगाने और व्यवहार में अनुकूलन करने के लिए मूल्यांकन, पैरामीट्रिक आंतरिकीकरण और डिप्लॉयमेंट-टाइम ग्रौंडिंग में समन्वित उन्नयनों की आवश्यकता है।