EQ-Bench 4 · 情緒與人際理解
EQ-Bench · 在多輪交流中理解人物情緒、隱含需求與不同的溝通偏好。
在 888news 中觀察中
依據預算不參與排序
上游數據時間待核實
最近成功同步尚未開始採集
它測什麼,怎麼測
120 個模擬人物、16 輪角色扮演,三家模型裁判輪換盲評;只採用 Elo,行為風格 traits 不作越高越好的能力分。舊 v3 不重複計票。
如何使用這份依據
觀察中:公開資料和許可可用,等待新一輪評測;不延長有效期來湊分類來源數。
評測局限與數據署名
英文模擬交流且尚未用人類專家驗證,不能等同真人滿意度或中文情商;當前成績已超 45 天視窗。
數據許可:MIT · EQ-bench-site README 後設資料宣告
成績由 EQ-Bench 發布,各項原始分數使用不同尺度,不能直接相加;參考名次採用公開的分差標準化規則。