Scale发布DistressBench评估AI心理危机处理能力

发生了什么

据scale.com·技术动态2026年10月13日报道，Scale发布DistressBench，这是一个由临床医生撰写的基准测试，用于评估AI模型处理用户自杀和自残（SSH）危机的能力。该基准包含718个英语临床医生撰写的对话，通过加权平均评分衡量帮助程度。在25个前沿模型中，最佳模型满足约88%的加权标准，中位数模型满足约71%，而临床医生参考响应得分约99%。