EQ-Bench

工具介绍

EQ-Bench 是一个专注于评估大语言模型情感智能（Emotional Intelligence）水平的基准测试框架。它通过标准化测试题，量化模型在情绪识别、共情理解与情感推理等方面的能力，帮助 AI 研究人员和模型开发者客观对比不同模型的“情商”表现。其核心定位是作为情感交互场景下模型筛选与能力诊断的专用评测工具。

核心功能

• 标准化情感评测题库：提供一套结构化的测试题目，用于统一衡量模型对情绪状态的理解与识别能力。
• 多维情感能力评分：从情绪感知、共情推断、情感归因等多个维度输出量化分数，便于横向对比。
• 模型对比排行：在官网（eqbench.com）上公开了多个主流大语言模型的 EQ-Bench 得分排名，方便研究者快速了解各模型的情感智能差异。
• 本地化测试脚本：项目代码托管在公开仓库中，支持研究者自行运行评测，对私有模型或新模型进行测试。
• 可复现的评测流程：通过固定的提示词模板与评分规则，保证不同模型在相同条件下接受测试，结果具有可比性。

适合哪些人

EQ-Bench 主要面向 AI 研究人员、大模型开发者和算法工程师，尤其是那些关注模型在对话、陪伴、心理咨询等情感交互场景中表现的人群。同时，由于工具完全免费且无需注册，对 AI 爱好者、产品经理以及任何希望了解主流模型“情商”高低的普通用户也同样适用。

可以用来做什么

• 模型选型对比：在多个候选大模型中，通过 EQ-Bench 得分筛选出情感理解能力更强的模型，用于客服、陪伴类产品开发。
• 模型迭代验证：在微调或对齐训练前后运行 EQ-Bench，量化评估情感能力是否提升或回退。
• 学术研究参考：作为情感智能方向的 benchmark 数据来源，支撑论文中的模型能力对比实验。
• 技术趋势观察：通过官网排行榜持续追踪各厂商新发布模型的情感智能水平变化。
• Prompt 策略测试：在固定模型下，尝试不同提示词设计，观察对情感评测得分的影响。

使用方式

EQ-Bench 提供两种主要使用途径。一是直接访问官网 eqbench.com，查看已评测模型的得分排行和详细数据，无需任何配置。二是从 GitHub 获取评测代码仓库，按照项目 README 中的指引配置环境并运行评测脚本，即可对自己选择的模型进行测试。具体运行方式以仓库内最新文档为准。

优点

• 完全免费开放：无需付费、无需注册，评测数据和代码均可直接访问。
• 评测维度聚焦：专门针对情感智能设计，比通用评测基准（如 MMLU）更能反映模型在情感交互上的能力。
• 结果直观可比：官网排行榜以分数形式呈现，便于快速判断模型间的差异。
• 社区可复现：开源代码支持研究者自行复现评测过程，增强了结果的可信度。

使用时需要注意

评测得分仅反映模型在特定测试题上的表现，不等同于真实对话中的情感处理能力。若需运行本地评测，需要具备一定的编程基础和环境配置能力。此外，EQ-Bench 依赖被测大模型的 API 或本地推理能力，测试时需自行准备模型访问途径，可能产生相应 API 费用。

总结

EQ-Bench 最适合需要量化评估大语言模型情感理解能力的开发者和研究者，尤其适用于情感交互类产品的模型选型与迭代验证场景。其免费、开放、聚焦的特点，使其成为当前 AI 情感智能评测领域一个实用且易用的参考工具。