DistressBench：LLM 危机支持多维评测基准发布

研究者发布 DistressBench，一个面向自杀与自残（SSH）危机支持的大语言模型评测基准。它包含 718 段英文对话，覆盖 23 个 SSH 子类别，每段对话的用户话轮由临床医生撰写，并配有临床医生参考回复。 每段对话对应一套任务专用评分标准，由七个危机支持维度的加权原子标准构成。Drew Rein 等作者称，随基准一并公开的还有语料、评分标准、评审校准标签，以及 20 段长程红队对话记录附件。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。