开放源代码

阿里联合人大交大开源WritingBench评估基准，覆盖6大领域100个细分场景。通过四阶段人机协同流程构建评测集，基于写作意图动态生成评测指标，实现87%的人类一致性得分。团队发现带思维链模型在创意写作中表现更优，但长文本生成仍面临挑战。