摘要
我们提出了 EQ-Bench，这是一个专为评估大语言模型（LLMs）情感智能水平而设计的新基准。该基准通过要求模型预测对话中角色情感状态的强度，来考察模型理解复杂情绪与社会互动的能力。EQ-Bench 能够有效区分多种不同性能的模型。研究发现，EQ-Bench 与综合性多领域基准（如 MMLU，Hendrycks 等，2020）具有高度相关性（相关系数 r = 0.97），表明我们所衡量的可能正是广泛智能的某些核心维度。该基准基于一组 60 个英文问题，能够产生高度可重复的评估结果。此外，我们已在 https://github.com/EQ-bench/EQ-Bench 开源了自动化基准测试流程的代码，并提供了在线排行榜 https://eqbench.com。