DistressBench 发布：评估大模型自杀自残危机支持能力
原文标题：DistressBench: Evaluating Multi-Dimensional Crisis Support in Large Language Models
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者发布 DistressBench，包含 718 段由临床医生撰写用户话轮的英文对话，覆盖 23 个自杀与自残（SSH）子类别，并用七维度加权评分标准评估模型提供的危机支持。25 个前沿模型中最优者满足 88.4% 的加权标准，中位模型为 71.4%，而临床医生参考回答为 98.7%。在模型识别出危机的对话中，35.3% 未能将用户引导至人工求助，说明现有安全评测偏重拒答而非实际关怀。
- 问题
- 现有安全评测只看拒答，无法衡量模型对自杀自残危机的实际支持质量。
- 方法
- 构建 718 段临床医生撰写对话、23 个 SSH 子类与七维度加权评分标准，按满足标准比例打分。
- 结果
- 25 个前沿模型最优满足 88.4% 加权标准，中位 71.4%，临床参考 98.7%；识别出危机却未引导人工求助占 35.3%。
- 影响
- 安全对齐需从「拒答」转向「行动」，产品上线前应以此类基准检查危机场景的实际关怀能力。
深读 · 结论先行AI 生成展开看要点与影响 ↓
DistressBench：25 个前沿模型最优仅满足 88.4% 危机支持标准，临床医生为 98.7%
- •基准含 718 段英文对话，用户话轮由临床医生撰写，覆盖 23 个自杀与自残子类别
- •每段配七维度加权原子评分标准与临床医生参考回答，得分直接读作「提供了多少比例的必要关怀」
- •25 个前沿模型中最佳满足 88.4% 加权标准，中位模型 71.4%，临床医生参考为 98.7%
- •在模型已满足全部危机识别标准的对话中，仍有 35.3% 未把用户引导至人工求助
- •短板集中在要求模型「行动」而非「克制」的维度：最强模型去升级化 74.6%，中位仅 46.0%
为什么重要：现有安全评测偏重拒答，而危机场景需要的是实质支持；这条把「识别到却不转介」量化出来，对做模型安全与心理健康应用的团队是硬指标。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。