arXiv cs.CL· Drew Rein, Patrick Oathout, Vishal Kumar, Udari Madhushani Sehwag·· 3 小时前AI 评分58
DistressBench 发布，用于评测大语言模型的多维危机支持能力
DistressBench: Evaluating Multi-Dimensional Crisis Support in Large Language Models
AI 导读
研究团队发布 DistressBench，用 718 段英语危机对话和临床医生撰写的参考回复评测大语言模型的危机支持能力，覆盖 23 个自杀与自伤子类。25 个前沿模型中表现最好的满足 88.4% 的加权标准，中位模型为 71.4%，临床参考回复为 98.7%；在模型已满足全部危机识别标准的对话里，仍有 35.3% 未把用户引向人工帮助。
来源：arXiv cs.CL · arxiv.org