# انتشار DistressBench برای سنجش پشتیبانی مدل‌های زبانی در بحران

> این بنچمارک تازه، عملکرد 25 مدل هوش مصنوعی را در کمک به کاربرانِ درگیر بحران خودکشی و خودآزاری می‌سنجد؛ بهترین مدل 88.4% معیارهای مراقبتی را برآورده کرده است.

Oossa · 2026-10-12 · https://oossa.com/fa/distressbench-released-to-test-crisis-support-in-language-models

پژوهشگران در 2026-10-12 مجموعه‌داده‌ای با نام DistressBench شامل 718 گفت‌وگوی انگلیسی درباره بحران را در arXiv منتشر کردند. هر گفت‌وگو شامل پیام‌های کاربر است که متخصصان بالینی نوشته‌اند و یک چارچوب ارزیابی که هفت بُعد پشتیبانی را می‌سنجد. این بنچمارک مدل‌ها را بر اساس سهم مراقبت‌های ضروری‌ای که ارائه می‌کنند ارزیابی می‌کند، نه صرفاً بر اساس اینکه از پاسخ‌دادن خودداری می‌کنند یا نه. از میان 25 مدل ارزیابی‌شده، بهترین مدل 88.4% از معیارهای وزنی را برآورده کرد؛ درحالی‌که متخصصان بالینی در همین چارچوب امتیاز 98.7% گرفتند.

## حقایق

- 718 گفت‌وگو با موضوع 23 زیرگروه خودآزاری
- بهترین مدل 88.4% معیارهای مراقبتی را برآورده کرد؛ میانه مدل‌ها 71.4% بود

## چرا مهم است

این بنچمارک به توسعه‌دهندگان نشان می‌دهد مدل‌ها در کمک‌رسانی واقعی هنگام بحران کجا کم می‌آورند؛ به‌ویژه در هدایت کاربران به دریافت کمک انسانی.

## منابع و ارجاع‌ها

1. [DistressBench: Evaluating Multi-Dimensional Crisis Support in Large Language Models](https://arxiv.org/abs/2610.12758) – arXiv, 2026-10-12

آخرین به‌روزرسانی: 2026-10-12