शोधकर्ताओं ने 2026-10-12 को arXiv पर DistressBench जारी किया। इसमें संकट से जुड़ी 718 अंग्रेज़ी बातचीतें हैं। हर बातचीत में विशेषज्ञों द्वारा लिखे गए उपयोगकर्ता के संदेश और मदद के सात पहलुओं को आँकने वाली एक मूल्यांकन-सूची शामिल है। यह बेंचमार्क केवल इस आधार पर अंक नहीं देता कि मॉडल जवाब देने से इनकार करता है या नहीं, बल्कि यह देखता है कि वह ज़रूरी देखभाल का कितना हिस्सा मुहैया कराता है। जाँचे गए 25 मॉडलों में सबसे बेहतर मॉडल ने भारित मानदंडों के 88.4% पूरे किए, जबकि विशेषज्ञों ने उसी मूल्यांकन-सूची पर 98.7% अंक हासिल किए।
यह क्यों मायने रखता है
यह बेंचमार्क डेवलपरों को दिखाता है कि संकट में वास्तविक मदद देने में मॉडल कहाँ पीछे रह जाते हैं—खासकर उपयोगकर्ताओं को मानवीय सहायता तक पहुँचाने में।
