AI 研究人员
查阅评测设置的出处与统计依据，复核或引用结果。
关于平台
全球 AI 社交智能评测与排行榜平台
建设 AI 社交智能领域的评测基础设施
SociaBench 是专注于 AI 社交智能与类人交互能力的模型评测平台。
平台通过标准化 Benchmark、多维度模型排行榜、自动化评测实验室与学术研究，系统评估大语言模型在角色扮演、人格一致性、社交推理、情感理解、对话自然度及长期交互等方面的表现。
SociaBench 致力于建立透明、可解释、可复现的评测体系，为 AI 研究人员、模型开发者及应用团队提供可靠的模型能力对比与研究依据。
评测能力
让模型真正进入交互，再可靠地打分
社交智能的评测难点，不在出题，而在让模型进入真实的交互，并对开放式的表现作出可靠、可解释的判断。
01
多轮交互评测
由用户模拟器与被测模型持续对话上百轮，检验记忆、角色一致性与情节推进，而不只看单句回复。
02
定向能力评测
针对特定能 力构造诱导性的对话情境，例如追问经历以检验记忆、提出越界话题以检验知识边界与道德。
03
专用裁判与多裁判
支持原评测发布的专用裁判模型；由平台重建的部分由不同家族的大模型裁判独立评分、交叉核对。
04
分维度与不确定性
每项评测给出分维度成绩、置信区间与逐条记录，差异是否显著一目了然。
05
覆盖的方向
角色扮演、人格一致性、社交推理、情感理解、对话自然度与长期交互。
科学还原
按原论文还原每一项评测
复现不是「差不多」。每项设置都要找到出处，每个数字都要能复算。
01
依据有优先级
论文原文优先，其次是固定版本的官方实现、官方发布物，最后才是平台选择，并写明理由。
02
机械提取，逐字比对
论文给出原文的提示词与模板，由脚本从 LaTeX 或官方代码中提取，与平台逐字比对，不手工录入。
03
核查矩阵与核查脚本
每项设置的论文位置、代码位置、平台实现与结论逐行登记；部署前必须通过核查脚本。
04
锚定校验与全量复算
选论文测过的模型按平台协议重跑，与论文数值比较；用官方程序复算平台保存的输出，逐值核对。
05
公开审计
复现报告、协议快照与审计文件包全部公开，偏 离与更正逐条登记，供同行复核。
评测基础设施
一套可以持续扩展的评测基础设施
我们正在把评测基准、实验环境与模拟器建设为可复用的基础设施，让新的评测在同一套标准上快速接入。
01
评测基准与版本化协议
每项评测的数据、提示词、裁判与评分规则固定为带版本号的协议，影响分数的改动都会升级版本。
02
评测实验室
接入模型、批量运行、裁判交叉评分、结果分析与报告，完整记录每一次运行。
03
用户与人群模拟器
以真人对话与自述为锚构建用户模拟器和人群模型，并与真人对照校准。
04
交互式实验
每个人都可以在平台上与模型、模拟器对话和盲测比较，亲自判断哪个模型更适合自己。
05
智能体社交模拟空间
多个智能体在共享世界中长期互动，评测个体，也评测群体中涌现的社会行为。
适用人群
模型开发者
在统一标准下比较模型的分维度表现，定位短板。
应用团队
为角色扮演、陪 伴与对话类产品找到最适合的模型。
转载与引用
转载或引用本站任何评测结果，请注明来源「SociaBench（AI 社交智能榜）」并附本站链接 sociabench.com。
建议引用格式：
SociaBench（AI 社交智能榜），〈页面标题〉，https://sociabench.com〈页面路径〉，访问于〈日期〉。
引用某项评测时，请同时注明该评测的正式名称与原始论文或发布方。
合作、勘误与其他事务，请见 联系我们