OpenAI 9月23日发布 MentalHealthBench，由22个国家的80余名持证心理健康专家共同开发。它采用合成对话，覆盖日常困扰、严重痛苦和紧急情境，以专家编写的标准衡量回复是否有帮助、是否避免有害行为。
场景包括成人、青少年、照护者及临床人员，模型回复由自动评分器按专家共识评估。这是研究比较工具，分数不能证明临床疗效，也不保证每次实际对话安全；官方说明 ChatGPT 无法替代专业照护。研究公告。
公开基准以专家共识评价模型的合成对话回复。
本文为译文。 阅读原稿
OpenAI 9月23日发布 MentalHealthBench，由22个国家的80余名持证心理健康专家共同开发。它采用合成对话，覆盖日常困扰、严重痛苦和紧急情境，以专家编写的标准衡量回复是否有帮助、是否避免有害行为。
场景包括成人、青少年、照护者及临床人员，模型回复由自动评分器按专家共识评估。这是研究比较工具，分数不能证明临床疗效，也不保证每次实际对话安全；官方说明 ChatGPT 无法替代专业照护。研究公告。