EQ-Bench 4 · 感情理解

何を測るか

120 人の模擬人物と 16 往復の対話を、3 系列の裁判モデルで評価。Elo のみを候補にします。

ランキングでの扱い

出典を調査中です。自動収集・ランキングへの加点はまだ行いません。

比較の限界

英語の模擬対話で、人間の専門家による妥当性確認は未了。既存結果は 45 日の窓を超え、新結果待ちです。

出典・利用条件

MIT · EQ-Bench の公式リポジトリに基づく記録。出典の帰属を保持します。

EQ-Bench による成績です。元の点数は尺度が異なるため単純加算せず、固定の基準尺度で比較します。