El 2026-10-12, investigadores publicaron en arXiv DistressBench, un conjunto de datos con 718 conversaciones en inglés sobre situaciones de crisis. Cada conversación incluye intervenciones del usuario redactadas por profesionales clínicos y una rúbrica que evalúa siete dimensiones del apoyo. El benchmark puntúa a los modelos según la proporción de la atención requerida que ofrecen, no solo por si se niegan a responder. De los 25 modelos evaluados, el mejor cumplió el 88,4 % de los criterios ponderados, mientras que los profesionales clínicos obtuvieron un 98,7 % con la misma rúbrica.
Por qué importa
El benchmark permite a los desarrolladores detectar en qué aspectos los modelos se quedan cortos al brindar ayuda en situaciones de crisis, especialmente al derivar a las personas a la asistencia humana.
