★ 3
DistressBench 发布：评估大模型自杀自残危机支持能力
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…
arXiv NLP21 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
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…