研究团队发布DistressBench危机支持评测基准

研究团队发布 DistressBench，一个用于评估大语言模型危机支持能力的评测基准。该基准包含 718 段英文对话，覆盖 23 个自杀与自残（SSH）子类别，每段对话配有临床医生撰写的用户话术、按七个危机支持维度加权原子标准制定的任务专属评分标准，以及临床医生参考回复。 团队同时公开了语料、评分标准、评判校准标签，以及一份包含 20 段长程红队对话记录的附件。上述内容均为该研究团队在论文中的表述。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。