arXiv · Computation and Language· Drew Rein, Patrick Oathout, Vishal Kumar, Udari Madhushani Sehwag·· 4 hr agoAI score58
DistressBench 评估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 brief
DistressBench 用 718 段英文对话评估大语言模型对自杀与自伤危机的支持，覆盖 23 个子类别和七个维度。25 个前沿模型中最佳满足 88.4% 加权标准、中位数 71.4%，低于临床参考的 98.7%；多轮得分 68.5%，低于单轮 74.2%，降级与转介人类帮助是主要短板。
Source: arXiv · Computation and Language · arxiv.org