Laporan ini memperkenalkan Zing, sebuah kerangka kerja terintegrasi yang dirancang untuk meningkatkan kecerdasan sosial model bahasa besar dengan mengukur, menginternalisasi, dan menjangkarkan kemampuan sosial. Para penulis menyajikan SoMBench, sebuah benchmark berbasis psikologi yang mencakup 17 dimensi sekunder dan 3.481 contoh yang diverifikasi oleh ahli, yang mengungkapkan bahwa LLM saat ini masih memiliki ruang perbaikan signifikan tanpa ada model yang mencapai kinerja hampir maksimal.

  • Zing menggunakan resep pelatihan berbasis diagnosis yang menggabungkan penyetelan halus terawasi, distilasi on-policy, dan pembelajaran penguatan berbasis rubrik untuk menginternalisasi keterampilan sosial.
  • Zing-27B-Stage2 mencapai skor rata-rata terbaik di lima benchmark kognisi sosial, sementara Zing-32B-Stage2 tetap kompetitif dengan DeepSeek-V4-Pro.
  • Actio diperkenalkan sebagai arsitektur inferensi yang dikendalikan oleh harness yang mengarahkan empat dukungan bertipe—PRISM, Starling, SAGE, dan RAG tergerbang—ke dalam penalaran.
  • Harness Actio lengkap meningkatkan 14 dari 15 pasangan model-benchmark di lima model dasar dan tiga benchmark, menunjukkan efektivitas dukungan runtime bertipe.

Hasil-hasil ini menunjukkan bahwa LLM yang cerdas secara sosial memerlukan kemajuan terkoordinasi dalam evaluasi, internalisasi parametrik, dan penjangkaran saat waktu penyebaran untuk secara efektif menyimpulkan keadaan mental dan menyesuaikan perilaku.