AlignBench

测中文大模型对齐能力，多维打分看清模型强弱

AlignBench 是一个专为中文大模型设计的多维度对齐评测基准，由智谱AI推出并发表于ACL 2024。它旨在系统性地评估大模型在中文语境下与人类意图对齐的程度，解决现有评测基准多基于英文或翻译、难以真实反映中文模型对齐能力的问题。该基准构建了包含8大类别（如知识问答、推理、语言理解等）的评测数据集，涵盖400余道高质量中文题目，并采用模型辅助的评分机制（基于GPT-4等）对模型回答进行多维度打分，而非简单对比标准答案。核心能力包括：提供细粒度的能力维度分析、支持模型间的横向对比、以及为开发者提供改进模型的参考依据。其数据构建和评估方法强调中文语言特性和文化背景，使评测结果更贴近中文用户的实际使用场景。

开源 free 对话助手

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 431

维护状态低维护

是否开源是

定价模式 free

项目数据

分类对话助手

开发团队THUDM

所属国家

官网地址

GitHubhttps://github.com/THUDM/AlignBench

定价模式free

价格说明开源评测基准，完全免费，无付费版本。

访问状态

是否开源是

开源协议

主要语言Python

技术栈/模型chatglm,chatgpt,large-language-models,llm

GitHub 星标★ 431

30天Star增速

HF 下载量

上线时间2023-11-23 00:00:00

最近更新2026-08-09 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数1

使用教程

核心亮点

专为中文设计，覆盖8大能力维度，评测更贴合中文场景
采用模型辅助多维度评分，比传统指标更能反映回答质量
数据由专家精心构建，题目具有代表性和挑战性

不足之处

评测依赖GPT-4等外部模型，成本较高且可能引入偏差
数据集规模相对较小，覆盖场景有限
文档/社区待观察

适用场景

中文大模型开发时的对齐能力评估与迭代改进
对比不同中文大模型（如ChatGLM、文心一言）的综合性能
学术研究中分析模型在中文任务上的对齐缺陷

替代项目

C-Eval、SuperCLUE、MMLU

项目介绍

AlignBench 是评测安全领域的开源项目，由 THUDM 开发，2023 年首次发布。

它收录于评测安全分类，该分类目前共有 466 个项目，GitHub 星标数为 431。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-09。开源评测基准，完全免费，无付费版本。

它主要面向的使用场景是：中文大模型开发时的对齐能力评估与迭代改进。同类可对比的替代方案包括 C-Eval、SuperCLUE、MMLU。

上一篇：xVerify

下一篇：ErrorAnalysis_Prompt