Il 2026-10-12 i ricercatori hanno pubblicato su arXiv DistressBench, un dataset di 718 conversazioni in inglese legate a situazioni di crisi. Ogni conversazione comprende messaggi dell’utente scritti da professionisti della salute mentale e una griglia che valuta sette aspetti del supporto. Il benchmark misura la quota di assistenza richiesta effettivamente fornita dai modelli, non soltanto se si rifiutano di rispondere. Dei 25 modelli valutati, il migliore ha soddisfatto l’88,4% dei criteri ponderati, mentre i professionisti hanno ottenuto il 98,7% usando la stessa griglia.
Perché conta
Il benchmark aiuta gli sviluppatori a capire dove i modelli non offrono un supporto adeguato nelle situazioni di crisi, soprattutto nell’indirizzare gli utenti verso l’assistenza di una persona.
