EQ-Bench#

概述#

EQ-Bench 是一个用于评估语言模型在情感智能任务上表现的基准测试。它通过评估模型对对话中角色可能产生的情感反应强度进行打分，来衡量其情感理解能力。

任务描述#

  • 任务类型：情感智能评估

  • 输入：包含角色的对话场景

  • 输出：特定格式的情感强度评分

  • 领域：情感理解、社会认知

主要特点#

  • 测试模型预测对话中情感反应的能力

  • 要求对多种可能情绪的强度进行评分

  • 使用官方 EQ-Bench v2 评分算法

  • 评分包含 Sigmoid 缩放以处理微小差异

  • 引入调整常数，确保随机回答得分为 0

评估说明#

  • 默认评估使用 validation（验证）数据集划分

  • 主要指标：EQ-Bench Score（0-100 分制，报告为 0-1 范围）

  • 采用零样本（zero-shot）评估方式（不提供少样本示例）

  • 模型响应必须包含特定 JSON-like 格式的情感评分

  • 官方算法来源：论文 | 官网

属性#

属性

值

基准测试名称

eq_bench

数据集 ID

evalscope/EQ-Bench

论文

N/A

标签

InstructionFollowing

指标

eq_bench_score

默认样本数

0-shot

评估数据划分

validation

数据统计#

指标

值

总样本数

171

提示词长度（平均）

1550.02 字符

提示词长度（最小/最大）

922 / 3737 字符

样例示例#

子集: default

{
  "input": [
    {
      "id": "97129bc9",
      "content": "Your task is to predict the likely emotional responses of a character in this dialogue:\n\nRobert: Claudia, you've always been the idealist. But let's be practical for once, shall we?\nClaudia: Practicality, according to you, means bulldozing ev ... [TRUNCATED] ... ary:\n\nRemorseful: <score>\nIndifferent: <score>\nAffectionate: <score>\nAnnoyed: <score>\n\n\n[End of answer]\n\nRemember: zero is a valid score, meaning they are likely not feeling that emotion. You must score at least one emotion > 0.\n\nYour answer:"
    }
  ],
  "target": "{'emotion1': 'Remorseful', 'emotion2': 'Indifferent', 'emotion3': 'Affectionate', 'emotion4': 'Annoyed', 'emotion1_score': 2, 'emotion2_score': 3, 'emotion3_score': 0, 'emotion4_score': 5}",
  "id": 0,
  "group_id": 0,
  "metadata": {
    "reference_answer": {
      "emotion1": "Remorseful",
      "emotion2": "Indifferent",
      "emotion3": "Affectionate",
      "emotion4": "Annoyed",
      "emotion1_score": 2,
      "emotion2_score": 3,
      "emotion3_score": 0,
      "emotion4_score": 5
    },
    "reference_answer_fullscale": {
      "emotion1": "Remorseful",
      "emotion2": "Indifferent",
      "emotion3": "Affectionate",
      "emotion4": "Annoyed",
      "emotion1_score": 0,
      "emotion2_score": "6",
      "emotion3_score": 0,
      "emotion4_score": "7"
    }
  }
}

注：部分内容因展示需要已被截断。

提示模板#

提示模板：

{question}

使用方法#

使用命令行（CLI）#

evalscope eval \
    --model YOUR_MODEL \
    --api-url OPENAI_API_COMPAT_URL \
    --api-key EMPTY_TOKEN \
    --datasets eq_bench \
    --limit 10  # 正式评估时请删除此行

使用 Python#

from evalscope import run_task
from evalscope.config import TaskConfig

task_cfg = TaskConfig(
    model='YOUR_MODEL',
    api_url='OPENAI_API_COMPAT_URL',
    api_key='EMPTY_TOKEN',
    datasets=['eq_bench'],
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)