評価ソース公式サイト
EQ-Bench 4 · 感情と対人理解
EQ-Bench · 複数ターンのやり取りで、人物の感情、言外の要望、異なるコミュニケーションの好みを理解できるかを見る。
AIサイシン での扱い観察中
配分採点対象外
元データの日時未確認
最終同期収集前
何を、どう測るか
模擬人物 120 人、16 ターンのロールプレイで、3 社のモデル審査員が交代でブラインド評価する。Elo のみを採用し、行動スタイルの traits は高いほど良い能力値として扱わない。旧 v3 は二重計上しない。
当サイトでの使い方
観察中：公開データとライセンスは利用可能で、新たな評価ラウンドを待つ。カテゴリのソース数を満たすために有効期限を延ばすことはしない。
評価の限界とデータの出典
英語による模擬対話で、人間の専門家による検証もまだない。実際の人間の満足度や中国語での感情知性とは同一視できない。現在の成績は 45 日の有効期間を超えている。
データライセンス：MIT · EQ-bench-site README のメタデータ記載
成績は EQ-Bench が公表したもの。元のスコアと AIサイシン のコンセンサス指数は尺度が異なり、そのまま比較・合算はできない。