研究

1. 复现报告2026 年 10 月 27 日

   CharacterBench: An Independent Reproduction Report

   平台如何运行 CharacterBench、每项设置的出处：被测模型提示词取论文 Table 11，上下文与裁判输入按官方代码构造，CharacterJudge 自洽解码评分。

   作者 SociaBench · CharacterBench · 英文
2. 复现报告2026 年 10 月 26 日

   Role-Play Bench: A Transparent Independent Reproduction and Exploratory Validation Report

   公开实现 Role-Play Bench 评测流程，逐项说明需要重建或改动的部分，并报告裁判与公开评分的一致性、用户模拟真实度、重测稳定性等探索性检验。

   作者 SociaBench · Role-Play Bench · 英文
3. 复现报告2026 年 10 月 26 日

   CharacterEval: An Independent Reproduction Report

   77 个中文小说与剧本角色的多轮对话评测：CharacterRM 对 12 项指标 1⁠–⁠5 分评分，另含 MBTI 人格回测；榜单原样收录作者公布的 15 个模型成绩。

   作者 SociaBench · CharacterEval · 英文
4. 复现报告2026 年 10 月 26 日

   CoSER: An Independent Reproduction Report

   在名著原文场景中由模型演绎全部角色（GCA），GPT⁠-⁠4o 对照原著对话在四个维度上找出缺陷；榜单原样收录作者公布的 21 个模型成绩。

   作者 SociaBench · CoSER · 英文
5. 复现报告2026 年 10 月 26 日

   Persistent Personas: An Independent Reproduction Report

   100 多轮对话后，人设忠实度、指令遵循与安全性如何变化；本平台据作者公开的评分重新计算各模型指标，与论文图中数值一致。

   作者 SociaBench · Persistent Personas · 英文

转载声明 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。