論文の概要: Zing: Social Mind for LLMs

• arxiv url: http://arxiv.org/abs/2607.23740v1
• Date: Sun, 26 Jul 2026 16:25:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.215102
• Title: Zing: Social Mind for LLMs
• Title（参考訳）: Zing: LLMのためのソーシャルマインド
• Abstract要約: Zhijingは、ソーシャルインテリジェンスの測定、内部化、基礎化のための統合されたフレームワークである。 測定には,3つの一次次元,17の二次次元,71のタスクパラダイムにまたがる心理学的評価指標であるSoMBenchを導入する。 内部化のために, 教師付き微調整, オンライン蒸留, ルーリックベース強化学習を組み合わせた診断駆動型学習法であるZingを開発した。 デプロイメント時の接地のために,4つの型付きサポートを推論にルーティングする,ハーネス制御型推論アーキテクチャであるActioを構築します。
• 参考スコア（独自算出の注目度）: 4.889704209515008
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As large language models move from isolated task solving toward long-term service in human environments, they require social intelligence: the ability to infer mental states, track social relations, reason over norms, and adapt behavior under context. This report presents Zhijing, an integrated framework for measuring, internalizing, and grounding social intelligence. For measurement, we introduce SoMBench, a psychology-grounded benchmark spanning 3 primary dimensions, 17 secondary dimensions, and 71 task paradigms. It controls question format, narrative perspective, and context length across 284 shared scenarios and 3,481 expert-verified instances. Evaluation of 20 representative LLMs reveals substantial headroom: the best model achieves only 72.08% overall accuracy, and none of the 17 secondary dimensions reaches the 90% near-ceiling band. For internalization, we develop Zing, a diagnosis-driven training recipe combining supervised fine-tuning, on-policy distillation, and rubric-based reinforcement learning. Across five social-cognition benchmarks, Zing consistently outperforms its base models, with Zing-27B-Stage2 achieving the best average score and Zing-32B-Stage2 remaining competitive with DeepSeek-V4-Pro. For deployment-time grounding, we build Actio, a harness-controlled inference architecture that routes four typed supports into reasoning: PRISM for procedural guidance, Starling for runtime mental-state representation, SAGE for reusable experience, and gated RAG for external social and normative knowledge. Across five base models and three benchmarks, the full harness improves 14 of 15 model-benchmark pairs and is best or tied for best in 8, demonstrating the effectiveness of typed runtime support. Together, these results show that socially intelligent LLMs require coordinated advances in evaluation, parametric internalization, and deployment-time grounding.
• Abstract（参考訳）: 大規模言語モデルは、人間の環境における孤立したタスク解決から長期的なサービスへと移行するにつれて、精神状態の推測、社会的関係の追跡、規範の理性、文脈下での行動の適応といった社会的知性を必要とする。 本報告では、ソーシャルインテリジェンスの測定、内部化、基礎化のための統合的なフレームワークであるZhijingについて述べる。 測定には,3つの一次次元,17の二次次元,71のタスクパラダイムにまたがる心理学的評価指標であるSoMBenchを導入する。 284の共有シナリオと3,481のエキスパート認定インスタンスで、質問形式、物語の観点、コンテキストの長さを制御する。 最高のモデルでは全体の72.08%の精度しか達成できず、17の二次次元のいずれも90%近い周波数帯に達していない。 内部化のために, 教師付き微調整, オンライン蒸留, ルーリックベース強化学習を組み合わせた診断駆動型学習法であるZingを開発した。 Zing-27B-Stage2は最高スコアを獲得し、Zing-32B-Stage2はDeepSeek-V4-Proと競合する。 PRISMは手続き的ガイダンス、スターリングは実行時のメンタルステート表現、SAGEは再利用可能なエクスペリエンス、RAGは外部の社会的および規範的知識である。 5つのベースモデルと3つのベンチマークで、フルハーネスは15のモデルベンチマークペアの14を改善し、型付きランタイムサポートの有効性を示す8でベストまたはベストに結びついている。 これらの結果から,社会的にインテリジェントなLCMは評価,パラメトリックな内部化,展開時間グラウンド化といった協調的な進歩を必要とすることが示唆された。

関連論文リスト

• ZGCM-1: A Fully Open and Extremely Efficient Foundation Model for Math and Agentic Search [54.43696074323815]
  ZGCM-1は、極端なデータ、システム、アルゴリズムの効率でゼロから訓練された、完全にオープンな7Bファンデーションモデルである。 エージェントがクラスタ操作を自律的に管理する、AIネイティブなR&Dワークフローを確立します。 ZGCM-1-7Bは一般的なベンチマークで7Bモデルファミリ間で競合する。
  論文  参考訳（メタデータ） (2026-09-11T17:18:04Z)
• AgentOmnia: Scaling Agentic Models for Full-Scenario Applications [36.656762500581216]
  大規模言語モデルエージェントは急速に進歩しているが、ドメイン、機能、タスクの難しさ、インタラクション設定にはまだ進歩が断片化されている。 これはTo-Consumer(ToC)、To-Business(ToB)、To-Employee(ToE)アプリケーション間でタスク空間の定義、データ合成、ポストトレーニング、評価、改善を調整するフレームワークです。
  論文  参考訳（メタデータ） (2026-07-25T09:58:24Z)
• OdysSim: Building Foundation Models for Human Behavior Simulation [70.35265860287608]
  大規模言語モデルは、対話的評価と社会シミュレーションのための人間のシミュレータとして、ますます多くデプロイされている。 しかし、有益性駆動のポストトレーニングは、それらを同質で過度に同意できるアシスタントレジスタへと引き寄せる。 OdysSimは行動基礎モデルに関する最大のオープン・システマティック・リサーチである。
  論文  参考訳（メタデータ） (2026-06-12T07:31:55Z)
• Perception or Prejudice: Can MLLMs Go Beyond First Impressions of Personality? [74.69723255239663]
  グラウンドド・パーソナリティ・推論は、MLLMがそれぞれのビッグファイブ・格付けを、評価、推論、根拠の連鎖を通じて観察可能な証拠に固定することを要求する。 MM-OCEANは、人間の検証によるマルチエージェントパイプラインによって生成され、タイムスタンプによる行動観察、エビデンスに基づく特性分析、およびキューグラウンドMCQの7つのカテゴリがある。 この分析では、フィールド全体にわたって、正しい評価の51%が取得された手がかりに基づかず、ホリスティック・ギャラリング・レートは0-33.5%にしか達していないという顕著な偏見のギャップが明らかになった。
  論文  参考訳（メタデータ） (2026-05-21T07:42:47Z)
• GIM: Evaluating models via tasks that integrate multiple cognitive domains [42.01371688303606]
  Grounded Integration Measureは、820のオリジナルの問題のベンチマークである。 それぞれの問題は、オリジナルの専門家による作曲である。 バランスのとれた公民分離は、汚染診断を内蔵する。
  論文  参考訳（メタデータ） (2026-05-18T17:09:50Z)
• STEER-BENCH: A Benchmark for Evaluating the Steerability of Large Language Models [13.751146591099298]
  Steer-Benchは、Redditのコミュニティと対比して、人口固有のステアリングを評価するためのベンチマークである。 19のドメインにまたがる30のサブレディットペアをカバーし、Steer-Benchには10,000以上の命令応答ペアと5500の多重選択質問が含まれている。 一部のモデルでは、人間レベルのアライメントが15パーセント以上遅れており、コミュニティに敏感なステアビリティにおいて大きなギャップが浮かび上がっている。
  論文  参考訳（メタデータ） (2025-05-27T02:47:56Z)
• SURDS: Benchmarking Spatial Understanding and Reasoning in Driving Scenarios with Vision Language Models [15.50826328938879]
  視覚言語モデル(VLM)の空間的推論能力を評価するためのベンチマークであるSURDSを紹介する。 nuScenesデータセットに基づいて構築されたSURDSは、41,080の視覚要求回答トレーニングインスタンスと9,250の評価サンプルで構成されている。 本研究では,空間的に接地された報酬信号を利用した強化学習に基づくアライメント手法を提案する。
  論文  参考訳（メタデータ） (2024-11-20T08:14:01Z)
• Law of the Weakest Link: Cross Capabilities of Large Language Models [102.91861246827797]
  我々は,Large Language Models (LLMs) が "Law of the Weakest Link" を示すことを示した。 これらの結果は, クロスキャパビリティタスクにおけるLLMの低性能化を浮き彫りにした。
  論文  参考訳（メタデータ） (2024-09-30T05:12:01Z)
• Advancing LLM Reasoning Generalists with Preference Trees [119.57169648859707]
  推論に最適化された大規模言語モデル(LLM)のスイートであるEulusを紹介する。 Eurusモデルは、様々なベンチマークでオープンソースのモデルの間で最先端の結果を得る。
  論文  参考訳（メタデータ） (2024-04-02T16:25:30Z)
• Tool-Augmented Reward Modeling [58.381678612409]
  本稿では,外部環境へのアクセスによるRMの強化により,制約に対処するツール拡張された嗜好モデリング手法であるThemisを提案する。 我々の研究は、外部ツールをRMに統合し、様々な外部ソースとの相互作用を可能にすることを目的としている。 人間の評価では、テミスで訓練されたRLHFはベースラインと比較して平均32%の勝利率を得る。
  論文  参考訳（メタデータ） (2023-10-02T09:47:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。