本研究提出了CharacterBench基准，涵盖25个角色类别和22,859个样本，旨在全面评估大型语言模型的角色定制能力。通过定义11个评估维度并开发CharacterJudge模型，提升了评估效率，实验结果表明模型的角色定制能力显著增强。