AI of the People, by the People, for the People: A Social Choice Approach to Collective Control of Artificial Intelligence
Institute of Logic and Computation, TU Wien（逻辑与计算研究所，维也纳技术大学）；Hasso Plattner Institute, University of Potsdam（哈索·platzer研究所，波茨坦大学）；Center for Artificial Intelligence, University of Applied Sciences St. Pölten（人工智能中心，圣波尔滕应用科学大学）
本文提出基于社会选择理论的集体控制AI方法，强调在机器学习全流程中融入公众意见，提供数学框架评估控制机制。
2026-04-14 cs.AI cs.CY cs.GT
Social Behaviour Understanding using Deep Neural Networks: Development of Social Intelligence Systems
University of Glasgow（格拉斯哥大学）；Ngee Ann Polytechnic（义安理工学院）；National College for Education（国家教育学院）；National University Health System（国立大学健保系统）；National University of Singapore（新加坡国立大学）
本研究顺应社会计算向社会智能系统演进的趋势，提出基于深度神经网络的社会行为理解框架，整合多类理解模块，开发三类应用系统，推动相关领域发展并提供实践启示。
2021-05-20 cs.AI
A Survey of Hybrid Human-Artificial Intelligence for Social Computing
University of Science and Technology Beijing（北京科技大学）；Beijing Engineering Research Center for Cyberspace Data Analysis and Applications（北京网络空间数据分析与应用工程研究中心）；China University of Petroleum（中国石油大学）；Ulster University（阿尔斯特大学）
随着现代计算技术和社会科学的发展，社会计算的理论研究和实际应用不断扩展。特别是随着人工智能（AI）的蓬勃发展，社会计算受到AI的显著影响。然而，传统的人工智能技术在处理更复杂和动态的问题时存在缺陷。这种缺陷可以通过混合人类-人工智能（H-AI）来弥补，它将人类智能和人工智能集成为一个统一体，形成新的增强智能。H-AI在处理社会问题上展现出人工智能无法超越的优势。本文首先介绍了H-AI的概念。人工智能是H-AI过渡阶段的智能，因此综述了人工智能在社会计算中的最新研究进展。其次，总结了人工智能在社会计算中面临的典型挑战，并为引入H-AI解决这些挑战提供了可能。最后，本文提出了一个结合H-AI的社会计算整体框架，该框架包括四个层次：对象层、基础层、分析层和应用层。这表明H-AI在解决社会问题方面比AI具有显著的优势。
2021-03-17 cs.AI
LIFELONG SOTOPIA: Evaluating Social Intelligence of Language Agents Over Lifelong Social Interactions
IIIT Hyderabad（Hyderabad 印度理工学院）
该研究提出全新基准LIFELONG-SOTOPIA，通过模拟多轮终身社交互动评估语言智能体的社交智能，发现受测模型的目标达成率与可信度随互动下降，先进记忆方法可提升表现但仍不及人类。
2025-06-14 cs.AI
InterIntent: Investigating Social Intelligence of LLMs via Intention Understanding in an Interactive Game Context
University of Southern California（南加州大学）
该研究提出InterIntent框架，从四个社会智能维度对应四类游戏任务评估大语言模型的意图理解能力，发现其意图选择准确率达88%但推断他人意图弱于人类20%，为LLM社会智能评估提供了新的结构化测试方案。
2024-11-03 cs.AI
Evaluating and Modeling Social Intelligence: A Comparative Study of Human and AI Capabilities
BIGAI（北京智源人工智能研究院）；Peking University（北京大学）
该研究构建社会智能评估基准与递归贝叶斯模型，通过IR和IIP任务比较人类与GPT，发现人类具备二阶以上社会智能而GPT仅达零阶。
2024-05-20 cs.AI
Explanation in Artificial Intelligence: Insights from the Social Sciences
University of Melbourne（墨尔本大学）
随着研究人员和从业人员寻求使他们的算法更容易理解，可解释的人工智能领域最近出现了复苏。这些研究的大部分都集中在向人类观察者明确解释决策或行动上，并且不应该有争议地说，研究人类如何相互解释可以作为人工智能解释的有用起点。然而，可以公平地说，大多数可解释的人工智能的工作只使用研究人员对什么构成“好”解释的直觉。在哲学、心理学和认知科学中，存在着大量有价值的研究，研究人们如何定义、生成、选择、评估和呈现解释，这些研究认为人们在解释过程中会使用某些认知偏见和社会期望。本文认为可解释人工智能领域应该建立在现有的研究基础上，并回顾了哲学、认知心理学/科学和社会心理学研究这些主题的相关论文。它引出了一些重要的发现，并讨论了如何将这些发现与可解释的人工智能的工作融合在一起。
2018-08-15 cs.AI
NICE: A Theory-Grounded Diagnostic Benchmark for Social Intelligence of LLMs
Department of Psychology and Behavioral Sciences, Zhejiang University（浙江大学心理学与行为科学系）；College of Artificial Intelligence, Zhejiang University（浙江大学人工智能学院）；Human Machine Interaction Lab, Huawei Technologies Co., Ltd.（华为技术有限公司人机交互实验室）；Zhejiang Key Laboratory of Neurocognitive Development and Mental Health（浙江省神经认知发展与心理健康重点实验室）
本文通过构建基于社会理论的社交智能框架，提出诊断基准NICE，用于细粒度评估大语言模型在社交交互中的能力弱点。
2026-05-28 cs.AI
Social and Business Intelligence Analysis Using PSO
本文的目标是阐述群体智能对商业智能决策和商业规则管理的改进。群体优化算法是群体优化算法，受生物行为的影响很大。空间数据被定义为由2D或3D图像表示的数据。到目前为止，SQL Server只支持2D图像。正如我们所知，位置是任何组织数据以及业务数据的重要组成部分，企业维护客户地址列表，拥有财产，从仓库运送货物，管理员工之间的运输流，并执行许多其他活动。也就是说，大量的空间数据被企业、组织和其他机构使用和处理，以使事物更加可见和自我描述。通过实验，我们发现粒子群算法可以促进社会和商业行为的智能化。
2016-08-25 cs.AI
Three IQs of AI Systems and their Testing Methods
Chinese Academy of Sciences（中国科学院）；University of Nebraska at Omaha（内布拉斯加大学奥马哈分校）；University of Chinese Academy of Sciences（中国科学院大学）
人工智能的快速发展带来了人工智能威胁论，也带来了如何评价智能产品智能水平的问题。两者都需要找到一种定量的方法来评估智能系统的智能水平，包括人类的智能。基于标准情报系统和扩展的冯·诺依曼体系结构，根据不同的评估目的，提出了情报系统的一般IQ、服务IQ和价值IQ评估方法。其中，智能系统通用智商是回答人工智能能否超越人类智能的问题，体现在将智能系统置于平等地位，进行统一评价。智能系统的服务智商（Service IQ）和价值智商（Value IQ）用来回答智能产品如何更好地为人类服务的问题，反映了每个智能系统作为一个产品在为人类服务过程中的智能程度和所需成本。
2017-12-14 cs.AI
VEGAS: Towards Visually Explainable and Grounded Artificial Social Intelligence
National Engineering Research Center for Multimedia Software, School of Computer Science, Wuhan University（武汉大学计算机学院多媒体软件国家工程研究中心）；School of Computing, National University of Singapore（新加坡国立大学计算机学院）
针对现有社会智能评估过度依赖语言且缺乏推理路径解释的问题，提出VEGAS模型，通过开放式回答、视觉采样策略与通用指令微调实现视觉可解释的多模态推理。
2025-04-03 cs.AI
EgoSocialArena: Benchmarking the Social Intelligence of Large Language Models from a First-person Perspective
College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）；Alibaba Group（阿里巴巴集团）
本文提出EgoSocialArena框架，从第一人称视角系统评估大语言模型的社交智能，涵盖认知、情境和行为三大支柱，并发现最先进模型仍落后于人类表现。
2025-02-24 cs.AI cs.CL
Social World Model for Lifelong Social Intelligence
Central South University（中南大学）
提出社会世界模型，将社交互动分解为五个维度构建闭环学习框架，并配套数据合成机制与终身学习基准，使小模型可持续获取社会协调能力。
2026-06-23 cs.AI
Towards Social Artificial Intelligence: Nonverbal Social Signal Prediction in A Triadic Interaction
Carnegie Mellon University（卡内基梅隆大学）；Harvard University（哈佛大学）
我们提出了一个新的研究任务和一个数据集，通过计算方法来理解人类的社会互动，最终赋予机器编码和解码人类使用的广泛的社会信号渠道的能力。这个研究方向对于制造一台真正与人类交流的机器至关重要，我们称之为社会人工智能。我们首先将“社会信号预测”问题表述为以数据驱动的方式对交互个体之间交换的社会信号的动态进行建模的一种方式。然后，我们提出了一个新的3D运动捕捉数据集来探索这个问题，其中广泛的社会信号（3D身体，面部和手部运动）被捕获在三元社会互动场景。基线的方法来预测说话的状态，社会形成，和身体姿态的相互作用的个人在定义的社会预测框架。
2019-06-10 cs.AI cs.CV
Federated Artificial Intelligence for Unified Credit Assessment
University of New South Wales（新南威尔士大学）；BeU Research Group（BeU研究组）；University of Glasgow（格拉斯哥大学）
随着互联网技术的迅速采用，数字足迹已变得无处不在和通用，在数字化转型中彻底改变了金融业。本文尝试用联邦人工智能研究统一信用评估的新范式。我们将数字人类表征概念化，包括社会、背景、财务和技术方面，以评估有银行账户和无银行账户个人的商业信誉和社会声誉。提出了一个联邦人工智能平台，并提供一套全面的系统设计，以实现高效、有效的信用评分。这项研究大大有助于金融智能和社会计算的累积发展。它还为学术机构、从业人员和金融技术开发人员提供了一些启示。
2021-05-20 cs.AI
DeSIQ: Towards an Unbiased, Challenging Benchmark for Social Intelligence Understanding
Monash University（莫纳什大学）
本文发现Social-IQ基准存在严重偏差，提出经扰动构建的新数据集DeSIQ以显著降低偏差，并系统分析了模型规模、多模态等因素对社会智能理解性能的影响。
2023-10-24 cs.AI cs.CL
Lifelong Testing of Smart Autonomous Systems by Shepherding a Swarm of Watchdog Artificial Intelligence Agents
University of New South Wales Canberra（新南威尔士大学堪培拉分校）
人工智能（AI）技术可以大致分为分析和自治。分析专注于提供感知，理解和预测从感官数据中收集的知识的算法。自主性围绕决策，并通过行动生产影响和塑造环境。智能自治系统（SAS）将分析和自治相结合，以自主理解、学习、决策和行动。要发挥作用，SAS必须值得信赖，这需要测试。SAS的终身学习使测试过程复杂化。在遥远的机会，它是可能的，以充分测试和认证的系统预发布，这在理论上是一个不可判定的问题，这是几乎不可能预测的未来行为，这些系统，单独或集体，将展示。虽然严格限制此类系统\textquoteright \学习能力以限制其行为的潜在不可预测性可能是可行的，但不期望的后果可能是严重限制其效用。在本文中，我们提出了一个看门狗AI（WAI）代理专用于SAS终身功能测试的体系结构。我们进一步提出了系统规范，包括一个抽象的层次，人类牧羊人的WAI代理群，以监督由人类和SAS的生态系统。讨论扩展到所提出的概念的挑战，优点和缺点。
2018-12-21 cs.AI
Testing System Intelligence
Université Grenoble Alpes（格勒诺布尔阿尔卑斯大学）；Verimag Laboratory（弗马格实验室）
本文提出替换测试作为衡量系统智能的新方法，以弥补图灵测试的不足，并给出实施框架，探讨验证局限及人机技能互补所催生的多元智能概念。
2023-08-12 cs.AI
Artificial intelligence prediction of stock prices using social media
Durham University（杜伦大学）
这项工作的主要目标是开发一个基于LSTM的神经网络，以使用推文预测股市走势。LSTM网络中使用的词嵌入是使用斯坦福大学的GloVe嵌入进行初始化的，专门针对20亿条推文进行了预训练。为了克服数据集大小的限制，提出了一种增强策略，将每个输入序列分成150个子集。为了实现在原始配置中的进一步改进，执行超参数优化。超参数变化的影响，如退出率，批量大小和LSTM隐藏状态输出大小，将单独评估。此外，一个详尽的一组参数组合进行检查，以确定最佳的模型配置。验证数据集上的最佳性能分别由dropout，batch size和hidden units的超参数组合0.4，8，100实现。模型的最终检验精度为76.14%。
2021-01-22 cs.AI
Social-R1: Towards Human-like Social Reasoning in LLMs
Social-R1通过多维奖励对齐模型推理与人类认知，利用ToMBench-Hard提供困难训练案例，使大模型在社交推理任务中实现超越和稳健泛化。
2026-03-10 cs.AI
Improvisational Games as a Benchmark for Social Intelligence of AI Agents: The Case of Connections
Duke University（杜克大学）；Stanford University（斯坦福大学）
本文通过即兴词游戏Connections探讨AI代理的推理能力，提出该游戏作为测试社交智能的基准，涵盖知识检索、总结及认知状态意识等核心能力。
2026-03-31 cs.AI cs.MA
Social Intelligence Data Infrastructure: Structuring the Present and Navigating the Future
National University of Singapore（新加坡国立大学）；Institute for Infocomm Research (IR)（信息通信研究院）；A*STAR（新加坡科技研究局）；Stanford University（斯坦福大学）
为解决NLP领域社交智能数据集缺乏系统整合的问题，研究构建了包含480个数据集的Social AI Data Infrastructure，以分析现有数据格局并指引未来多维度、高多样性及交互式数据集的开发方向。
2024-02-28 cs.AI cs.CL cs.CY
Human-AI Coevolution Dynamics: A Formal Theory of Social Intelligence Emergence Through Long-Term Interaction
School of Information and Electronics, Beijing Institute of Technology（信息与电子学院，北京理工大学）；Institute of Scientific and Technical Research on Archives, Beijing（档案科学与技术研究所，北京）；China Electronics Engineering Design Institute Co., Ltd.（中国电子工程设计院有限公司）
提出人机协同演化动力学框架（HACD-H），将情感适应、关系组织、社会记忆和人格一致性整合为统一动力学模型，通过约14,700轮对话数据集验证，发现社会智能与社会认知能量显著负相关，揭示社会智能源于长期协同演化。
2026-06-18 cs.AI cs.CL
Artificial intelligence in communication impacts language and social relationships
Cornell University（康奈尔大学）；Lehigh University（利哈伊大学）；Stanford University（斯坦福大学）；Cornell Tech（康奈尔理工学院）
人工智能（AI）现在被广泛用于促进社会互动，但其对社会关系和沟通的影响还没有得到很好的理解。我们研究了最普遍的人工智能应用之一的社会后果：算法响应建议（“智能回复”）。两个随机实验（n = 1036）提供的证据表明，商业部署的人工智能改变了人们以亲社会和反社会的方式相互交流和感知的方式。我们发现，使用算法响应可以提高沟通效率，使用积极的情感语言，以及沟通伙伴的积极评价。然而，与关于人工智能负面影响的常见假设一致，如果人们被怀疑使用算法响应，他们会受到更负面的评价。因此，尽管人工智能可以提高沟通效率并改善人际关系，但它有可能改变用户的语言生产，并继续被负面看待。
2021-02-10 cs.AI cs.HC
Can ChatGPT advance software testing intelligence? An experience report on metamorphic testing
Swinburne University of Technology（斯威本科技大学）；Monash University（莫纳什大学）
本研究通过蜕变测试案例检验ChatGPT的软件测试能力，发现其能生成新的正确蜕变关系候选，但多数候选存在定义模糊或错误，仍需人类专家验证纠正。
2023-11-23 cs.AI cs.HC cs.SE
SOTOPIA: Interactive Evaluation for Social Intelligence in Language Agents
Carnegie Mellon University（卡内基梅隆大学）
提出SOTOPIA开放环境模拟复杂社会互动，通过SOTOPIA-Eval框架评估代理社会智能，发现GPT-4在困难场景中目标完成率低于人类且缺乏社会常识推理能力。
2024-03-22 cs.AI cs.CL cs.LG
Social Evolution of Published Text and The Emergence of Artificial Intelligence Through Large Language Models and The Problem of Toxicity and Bias
School of Management（管理学院）；SRM Institute of Science and Technology（SRM科学技术学院）；CQRL Bits LLP（CQRL Bits有限责任合伙）；Vignesh Avenue（维格内什大道）
该研究从历史社会视角客观梳理大语言模型驱动的AI涌现进展，指出其存在的毒性、幻觉等问题，并提出AI与人类智能均为规模带来的涌现现象的观点。
2024-05-17 cs.AI
IoT-Enabled Social Relationships Meet Artificial Social Intelligence
University of Science and Technology Beijing（北京科技大学）；Beijing Engineering Research Center for Cyberspace Data Analysis and Applications（北京网络空间数据分析与应用工程研究中心）；Ulster University（阿尔斯特大学）；University of Cagliari（卡利亚里大学）；Stevens Institute of Technology（史蒂文斯理工学院）
随着物联网的最新进展、无处不在的计算资源和移动设备的日益可访问性、富媒体内容的流行以及随之而来的社会、经济和文化变化，计算技术和应用在过去十年中迅速发展。它们现在超越了个人计算，促进了一般的协作和社交互动，导致物联网实体之间的社交关系迅速扩散。这些关系的数量越来越多，其异构的社交特征导致了计算和通信瓶颈，阻碍了物联网网络利用这些关系来改善所提供的服务和定制所交付的内容，这被称为关系爆炸。另一方面，人工智能在社会计算中应用的快速发展已经导致了一个被称为人工社会智能（ASI）的有前途的研究领域的出现，该领域具有解决社会关系爆炸问题的潜力。本文讨论了物联网在社会关系检测和管理中的作用，物联网中社会关系爆炸的问题，并回顾了使用ASI提出的解决方案，包括面向社会的机器学习和深度学习技术。
2021-05-25 cs.AI cs.CY cs.NI
S$^3$IT: A Benchmark for Spatially Situated Social Intelligence Test
State Key Laboratory of General Artificial Intelligence, Beijing Institute for General Artificial Intelligence (BIGAI)（通用人工智能国家重点实验室，北京通用人工智能研究院）
S$^3$IT基准通过座位安排任务评估代理在现实情境中整合物理与社会约束的能力，揭示LLMs在空间智能上的不足及在冲突解决中的潜力。
2025-12-23 cs.AI cs.CY
Pilot Testing an Artificial Intelligence Algorithm That Selects Homeless Youth Peer Leaders Who Promote HIV Testing
University of Southern California（南加州大学）
Objective.对一种人工智能（AI）算法进行试点测试，该算法选择同伴改变代理（PCA）在无家可归的青年人群中传播艾滋病毒检测信息。方法.我们在基线、1个月（n = 48）和3个月（n = 38）时招募并评估了62名青年。Facebook应用程序收集了初步的社交网络数据。大赦国际选出的11名初级保健助理参加了为期1天的培训和7次每周一次的强化课程。使用随机效应混合效应模型评估随时间的变化。结果过去6个月的艾滋病毒检测（57.9%，82.4%，76.3%; p <0.05）随时间发生了显著变化，但安全套使用率（63.9%，65.7%，65.8%）没有变化。大多数青少年报告说，他们与艾滋病毒预防咨询机构讨论了艾滋病毒预防问题（1个月时为72.0%，3个月时为61.5%）。结论.人工智能是为无家可归的青年实施PCA模式的一个有前途的途径。提高艾滋病毒定期检测率对于预防艾滋病毒和将无家可归青年与治疗联系起来至关重要。
2016-08-19 cs.AI cs.CY
SocialVeil: Probing Social Intelligence of Language Agents under Communication Barriers
Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校Siebel计算与数据科学学院）；Department of Psychological Sciences, Rice University（里士满大学心理学系）
SocialVeil通过模拟沟通障碍测试语言模型的社会智能，发现障碍显著降低相互理解并增加困惑度，表明真实社交环境下的交互挑战。
2026-02-04 cs.AI cs.CL
Qualitative Investigation in Explainable Artificial Intelligence: A Bit More Insight from Social Science
College of Computing and Informatics, Drexel University（德雷塞尔大学计算与信息学院）
我们提出了一个有重点的分析用户的研究，在可解释的人工智能（XAI）需要定性调查。我们借鉴社会科学语料库，以提高XAI研究人员使用观察，访谈，焦点小组和/或问卷调查来捕获定性数据的研究的严谨性。我们根据定性研究文献中描述的严谨性组成部分，对分析中包含的XAI论文进行了情境化：1）基本理论或框架，2）方法学方法，3）数据汇集方法，4）数据分析过程。我们的分析结果支持了XAI社区中其他人的呼吁，他们主张与社会学科的专家合作，以加强用户研究的严谨性和有效性。
2020-12-18 cs.AI cs.HC
The social dilemma in artificial intelligence development and why we have to solve it
NTNU（挪威科技大学）；SimulaMet（SimulaMet 研究所）；University of Bergen（卑尔根大学）；Berlin Institute of Health (BIH)（柏林健康研究所）；Charité Universitätsmedizin Berlin（柏林夏里特医学院）；Birmingham City University（伯明翰城市大学）
虽然对道德人工智能（AI）系统的需求增加，但不道德使用AI的数量却在加速，尽管并不缺乏道德准则。我们认为，一个可能的根本原因是，人工智能开发人员在人工智能开发伦理方面面临着社会困境，阻碍了道德最佳实践的广泛适应。我们定义了人工智能开发的社会困境，并描述了为什么如果不解除人工智能开发人员的社会困境，就无法解决当前人工智能开发伦理的危机。我们认为，人工智能的开发必须专业化，以克服社会困境，并讨论如何在这一过程中使用医学作为模板。
2021-11-17 cs.AI cs.CY cs.LG
Conceptual Logical Foundations of Artificial Social Intelligence
Oxford Advanced Research Foundation（牛津高级研究基金会）
本文面向多智能体沟通协作社会，提出社会智能体的最小心智架构，并形式化能力、意图、信息、沟通及群体策略状态熵等概念逻辑基础。
2025-05-07 cs.AI cs.MA
STREAM: Social data and knowledge collective intelligence platform for TRaining Ethical AI Models
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；University of Chinese Academy of Sciences（中国科学院大学）
本文提出用于训练伦理AI模型的集体智能平台STREAM，以应对AI与人类道德价值观对齐难题，目前已积累多源标注的伦理场景与判断数据，将推动AI道德能力的6E建设。
2023-10-09 cs.AI
Artificial Intelligence for Social Good: A Survey
Carnegie Mellon University（卡内基梅隆大学）
人工智能社会公益（AI4SG）是一个研究主题，旨在使用和推进人工智能来解决社会问题并改善世界的福祉。AI4SG在过去十年中受到了研究界的广泛关注，并获得了一些成功的应用。基于迄今为止最全面的AI4SG文献集（超过1000篇投稿论文），我们以以下方式对该主题下的工作进行了详细的描述和分析。(1)我们定量分析了AI4SG文献的应用领域和AI技术的分布和趋势。(2)我们提出了三种概念方法，系统地对现有文献进行分组，并在统一的框架中分析八个AI4SG应用领域。(3)我们提取了五个研究主题，这些主题代表了AI4SG在各个应用领域中的共同挑战。(4)我们讨论了五个问题，我们希望，可以阐明AI4SG研究的未来发展。
2020-01-07 cs.AI cs.CY
From Modelling to Understanding Children's Behaviour in the Context of Robotics and Social Artificial Intelligence
Donders Institute for Brain, Cognition, and Behaviour（唐德斯大脑、认知与行为研究所）；Radboud University（拉德堡德大学）；Joint Research Centre, European Commission（欧盟委员会联合研究中心）；Ghent University（根特大学）；imec（微电子研究中心）；Instituto Superio Técnico（高等技术学院）；University of Lisbon（里斯本大学）
理解和模拟儿童在与机器人和社会人工智能系统互动的背景下的认知过程和行为是有意义和有效的机器人干预的基本先决条件。然而，儿童的发展涉及复杂的能力，如探索，创造力和好奇心，这是具有挑战性的模型。此外，孩子们经常以一种与典型的成人行为不同的玩耍方式表达自己。不同的儿童也有不同的需求，在目前的技术水平下，神经多样性儿童的需求没有得到充分解决，这仍然是一个挑战。通过这次研讨会，我们的目标是促进不同学科之间的共同点，如发展科学，人工智能和社会机器人技术，并讨论用户建模和儿童自适应系统领域的前沿研究。
2022-10-20 cs.AI cs.RO
Face-to-Face Contrastive Learning for Social Intelligence Question-Answering
Carnegie Mellon University（卡内基梅隆大学）；Amazon Alexa AI（亚马逊Alexa人工智能部门）
创建人工社交智能-可以理解多人交互的细微差别的算法-是处理多模式视频中面部表情和手势的一个令人兴奋的新兴挑战。最近的多模态方法已经在许多任务上设置了最先进的技术，但是在社交交互中，特别是在自我监督设置中，难以对说话回合中的复杂的面对面会话动态进行建模。在本文中，我们提出了面对面的对比学习（F2 F-CL），一个图神经网络，旨在模拟社会互动，使用分解节点的上下文的多模态面对面的互动沿边界的发言轮。利用F2 F-CL模型，我们提出在同一视频中不同说话回合的分解节点之间执行对比学习。我们通过实验评估了具有挑战性的Social-IQ数据集，并展示了最先进的结果。
2022-10-27 cs.AI cs.CV cs.LG
TimeHC-RL: Temporal-aware Hierarchical Cognitive Reinforcement Learning for Enhancing LLMs' Social Intelligence
Zhejiang University（浙江大学）；Tongyi Lab, Alibaba Group（阿里云实验室）
针对LLMs社会智能提升不足的问题，提出时间感知分层认知强化学习框架TimeHC-RL，融合System 1与System 2认知模式，使7B模型性能比肩DeepSeek-R1等先进模型。
2025-05-30 cs.AI cs.CL
PerSo: Investigating Facets of LLMs' Social Intelligence in Real-World Persuasion Scenarios
School of Electrical and Computer Engineering, College of Engineering, University of Tehran（德黑兰大学工程学院电气与计算机工程学院）；Cardiff University（卡迪夫大学）；Institute for Research in Fundamental Sciences (IPM)（基础科学研究所）；Tehran Institute for Advanced Studies, Khatam University（哈塔姆大学德黑兰高级研究院）
该研究推出PerSo基准，利用Reddit真实说服对话评估LLMs的社会智能，发现LLM性能随规模提升，在行为任务上略超人类最佳表现，认知任务仍逊于人类。
2026-10-15 cs.AI cs.CL cs.SI
Approaches to Generative Artificial Intelligence, A Social Justice Perspective
Werklund School of Education, University of Calgary（卡尔加里大学沃克伦德教育学院）
本文从社会正义视角审视生成式人工智能，分析其模型训练、固有偏见及AI写作检测中的潜在不公，以回应该技术对学术诚信的冲击。
2023-08-17 cs.AI cs.CY
Building and Testing a General Intelligence Embodied in a Humanoid Robot
Sanctuary Cognitive Systems Corporation（Sanctuary认知系统公司）
本文提出构建与测试人形机器人通用智能的方法，包含物理机器人、软件控制系统、类人智能性能指标 g+ 及提升该指标的进化算法，并报告了 g+ 的测量数据。
2023-07-26 cs.AI cs.RO
GeoAI in Social Science
本文综述了GeoAI在社会科学中的应用进展，强调其填补数据与知识空白的作用，并指出需打破数据孤岛、促进方法融合及拓展其超越地理空间的效益。
2023-12-19 cs.AI cs.CY
Neural Theory-of-Mind? On the Limits of Social Intelligence in Large LMs
Allen Institute for AI（艾伦人工智能研究所）；Carnegie Mellon University（卡内基梅隆大学）；University of Washington（华盛顿大学）
本研究从实证和理论角度考察大型语言模型的社会智能与心智理论，发现GPT-3、ChatGPT及GPT-4在SocialIQa和ToMi任务上表现远低于人类，主张以人为中心的NLP方法比单纯扩大规模更有效。
2023-04-03 cs.AI cs.CL
Social Neuro AI: Social Interaction as the "dark matter" of AI
Université de Montréal（蒙特利尔大学）；Mila - Quebec Artificial Intelligence Institute（米拉-魁北克人工智能研究所）；CHU Sainte-Justine Research Center（圣朱斯蒂娜医院研究中心）
本文介绍了一个三轴框架，说明如何通过社会学习机制的生物学例子来告知人工智能。我们认为，复杂的人类认知结构的很大一部分，其表达能力，以从事社会和文化学习的能力。然而，人工智能领域大多对智能持唯我论的观点。因此，我们认为，社会互动不仅在这一领域基本上是未被探索的，而且也是高级认知能力的基本要素，因此隐喻地构成了人工智能的暗物质。在第一部分中，我们讨论了社会学习如何在智力发展中发挥关键作用。我们通过讨论社会和文化学习理论和社会神经科学的实证研究结果来做到这一点。然后，我们讨论了属于社会神经AI保护伞下的三条研究路线，这些研究可以有助于在复杂环境中开发具有社会智能的具体代理。首先，认知结构的神经科学理论，如整体工作空间理论和注意力图式理论，可以增强生物学上的可解释性，并帮助我们理解如何在个体和社会智力理论之间架起桥梁。第二，智能是在时间中发生的，而不是随着时间的推移而发生的，这一点自然地被动力系统所包含。第三，实施例已经被证明提供更复杂的通信信号阵列。最后，我们讨论了主动推理的例子，它为开发具有生物现实主义的代理商提供了强大的见解，可以及时自组织，并具有社会性。
2022-04-11 cs.AI cs.MA
Arti-"fickle" Intelligence: Using LLMs as a Tool for Inference in the Political and Social Sciences
本文主张政治与社会科学研究者应以科学推断为目标使用大语言模型，通过模型输出验证提出判定任务成败的准则，以促进相关共享科学知识的积累。
2025-04-04 cs.AI cs.CY
Artificial Intelligence in Software Testing : Impact, Problems, Challenges and Prospect
University of Kashmir（克什米尔大学）
人工智能（AI）正在医疗、军事、工业、家庭、法律、艺术等多个领域产生重大影响，因为AI能够执行多个角色，如管理智能工厂、驾驶自动驾驶汽车、创建准确的天气预报、检测癌症和个人助理等。软件测试是测试软件的某些异常行为的过程。软件测试是一个繁琐、费力、耗时的过程。已经开发了自动化工具，帮助自动化测试过程中的一些活动，以提高质量和及时交付。随着时间的推移，随着持续集成和持续交付（CI/CD）管道的引入，自动化工具的效率越来越低。测试社区正在转向人工智能来填补这一空白，因为人工智能能够在没有任何人为干预的情况下检查代码中的错误和错误，而且比人类快得多。在这项研究中，我们的目标是认识到人工智能技术对STLC中各种软件测试活动或方面的影响。此外，该研究旨在认识和解释软件测试人员在将AI应用于测试时面临的一些最大挑战。本文还提出了人工智能在未来对软件测试领域的一些重要贡献。
2022-01-14 cs.AI cs.LG cs.SE
Towards Objectively Benchmarking Social Intelligence for Language Agents at Action Level
Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
本文提出 STSS 沙盒模拟基准，在动作层面对语言智能体的社会智能进行客观评估，并通过 TDP 模块验证其区分模型与智能体架构的有效性。
2024-04-08 cs.AI cs.CL
Challenge-Device-Synthesis: A multi-disciplinary approach for the development of social innovation competences for students of Artificial Intelligence
Universitat Autónoma de Barcelona (UAB)（巴塞罗那自治大学）；Computer Vision Center (CVC)（计算机视觉中心）
针对人工智能教育缺乏社会维度的问题，提出挑战-装置-综合（CDS）方法论，通过让学生开发装置并撰写综合报告，培养其社会创新能力，并在试点中验证了其有效性。
2024-05-29 cs.AI physics.ed-ph
Towards Asimov's Psychohistory: Harnessing Topological Data Analysis, Artificial Intelligence and Social Media data to Forecast Societal Trends
Institute of Political Science of the University of Brasília（巴西利亚大学政治学研究所）；Institute of Foreign Affairs of the University of Brasília（巴西利亚大学外交事务研究所）
本文从理论上探讨结合拓扑数据分析与人工智能分析社交媒体数据以预测社会趋势，呼应阿西莫夫的心理史学构想，为数字社会学及心理史学的实现提供方法论基础。
2024-07-03 cs.AI cs.CY cs.SI
Detecting Fake News on Social Media: A Novel Reliability Aware Machine-Crowd Hybrid Intelligence-Based Method
Hefei University of Technology（合肥工业大学）；University of Delaware（特拉华大学）
针对现有混合智能假新闻检测方法未考虑可靠性的问题，提出含三个模块的RAHI方法，结合贝叶斯深度学习、IRT用户聚合与分布融合机制，在Weibo数据集上表现优异，对多类主体有实用价值。
2024-12-07 cs.AI cs.LG cs.SI
Robot gains Social Intelligence through Multimodal Deep Reinforcement Learning
Osaka University（大阪大学）
机器人要想在我们这样的社会世界中与人类共存，关键是它们要拥有类似人类的社交技能。为机器人编程以使其具备这些技能是一项具有挑战性的任务。在本文中，我们提出了一种多模态深度Q网络（MDQN），使机器人能够通过试错法学习类似人类的交互技能。本文旨在开发一种机器人，它在与人类交互过程中收集数据，并使用端到端的强化学习从高维感知信息中学习人类的交互行为。本文证明了机器人能够成功地学习基本的互动技能，经过14天的与人互动。
2017-02-24 cs.AI cs.CV cs.RO
The Role of Artificial Intelligence and Machine Learning in Software Testing
Üsküdar University（于斯屈达尔大学）；Dhofar University（佐法尔大学）
本文通过文献综述、工具分析和案例研究，系统探讨了AI与ML在软件测试中的应用，表明其能自动化测试用例生成、执行和结果分析，提升缺陷检测效率与软件质量。
2024-09-04 cs.AI cs.SE
On the Morality of Artificial Intelligence
Université de Montréal（蒙特利尔大学）；Mila（米拉研究所）
关于人工智能的社会和伦理影响的大部分现有研究都集中在定义围绕机器学习（ML）和其他人工智能（AI）算法的伦理原则和指导方针[IEEE，2017，Jobin等人，2019年]。虽然这对于帮助定义适当的人工智能社会规范非常有用，但我们认为讨论ML的潜力和风险以及激励社区使用ML实现有益的目标同样重要。在这篇专门针对ML从业者的文章中，我们更多地关注后者，对现有的高级道德框架和指南进行了概述，但最重要的是提出了ML研究和部署的概念和实践原则和指南。坚持从业者可以采取的具体行动，以追求更符合道德和道德的ML实践，旨在利用人工智能为社会造福。
2019-12-26 cs.AI cs.CY
