OmniSapiens：通过异构性感知相对策略优化处理社会行为的基础模型
摘要
社会智能 AI 系统必须具备跨越 diverse human behavioral tasks 的推理能力，并能够 generalise to new contexts。然而，AI 尚未实现此水平的社会智能。现有模型 fundamentally 受限于训练于行为数据的不平衡 learning dynamics。也就是说，行为数据本质上是异构的，包含多样的模态和 prediction targets，往往在样本之间产生不均衡的 training signals。为解决此问题，我们开发了Omnisapiens-7B 2.0，一个面向社会行为处理的 foundation model，显式地解决从异构行为数据中进行学习。这通过 Heterogeneity-Aware Relative Policy Optimization 实现，这是一种 novel reasoning RL 方法，显式地在样本之间 rebalances learning signals。核心思想是使用 approximate contribution signals to the policy update 来指导几何中心和 intertial smoothing advantage modulation。结果表明，Omnisapiens-7B 2.0 在 10 个 diverse behavioral tasks 上实现最佳且最一致的性能，同时在所有五个 held-out zero-shot generalisation benchmarks 上取得最佳性能，分别提升了最高可达 +12.02% 和 +9.37%。此外，Omnisapiens-7B 2.0 展示出更一致和可解释的 reasoning traces，支持可靠的现实世界行为应用。我们的 model 和 codes 可在 https://github.com/MIT-MI/human_behavior_atlas 找到。
引用
@article{arxiv.2602.10635,
title = {OmniSapiens: A Foundation Model for Social Behavior Processing via Heterogeneity-Aware Relative Policy Optimization},
author = {Keane Ong and Sabri Boughorbel and Luwei Xiao and Chanakya Ekbote and Wei Dai and Ao Qu and Jingyao Wu and Rui Mao and Ehsan Hoque and Erik Cambria and Gianmarco Mengaldo and Paul Pu Liang},
journal= {arXiv preprint arXiv:2602.10635},
year = {2026}
}
备注
Accepted to ICML 2026 Main Conference