Forschende haben am 2026-10-12 auf arXiv DistressBench veröffentlicht, einen Datensatz mit 718 englischsprachigen Krisengesprächen. Jedes Gespräch enthält von Fachleuten verfasste Nutzerbeiträge und ein Bewertungsraster mit sieben Dimensionen der Unterstützung. Der Benchmark misst, welchen Anteil der erforderlichen Betreuung die Modelle leisten – nicht nur, ob sie eine Antwort verweigern. Von den 25 untersuchten Modellen erfüllte das beste 88,4 % der gewichteten Kriterien; Fachleute erreichten im selben Bewertungsraster 98,7 %.
Warum es wichtig ist
Der Benchmark zeigt Entwicklern, wo Modelle bei der Unterstützung in tatsächlichen Krisensituationen Defizite haben – insbesondere dabei, Betroffene an menschliche Hilfe weiterzuleiten.
