跳到正文
arXiv · NLP· Drew Rein, Patrick Oathout, Vishal Kumar, Udari Madhushani Sehwag·· 2026-10-12AI 评分42

DistressBench 评估大语言模型的多维度危机支持能力

DistressBench: Evaluating Multi-Dimensional Crisis Support in Large Language Models

AI 导读

研究团队发布包含718段对话的DistressBench基准,用于评估模型在自杀与自残危机下的支持能力。最优前沿模型满足88.4%的加权评分标准,而中位模型仅为71.4%;临床医生参考应答的得分为98.7%。

来源:arXiv · NLP · arxiv.org