热点事件持续更新
研究团队推出大模型危机支持评测基准DistressBench
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
研究团队推出针对大语言模型的危机支持评估基准 DistressBench。该基准包含 718 场涉及 23 个自残危机子类的英文对话，从 7 个支持维度评估了 25 个前沿大语言模型的实质性关怀能力。评测结果显示，前沿模型的中位得分仅为 71.4%，且在多轮对话中的表现低于单轮对话；同时，在模型已成功识别出危机的对话中，仍有 35.3% 未能将用户引导至人工求助渠道。目前，团队已公开相关语料、评分细则以及红队转录记录。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
研究团队发布DistressBench，评测显示前沿模型危机支持中位得分仅71.4%并公开数据。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv 自然语言处理DistressBench：大语言模型多维度危机支持能力评估基准
研究团队推出危机支持评估基准 DistressBench，包含 718 场涵盖 23 个自残危机子类的英文对话，从 7 个支持维度评估 25 个前沿大语言模型的实质性关怀能力。评测显示前沿模型中位得分仅为 71.4%，在已识别出危机的对话中仍有 35.3% 未能将用户引导至人工求助渠道。多轮对话得分低于单轮对话，团队已公开相关语料、评分细则及红队转录记录。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。