Onderzoekers hebben DistressBench, een dataset met 718 Engelstalige crisisgesprekken, op 2026-10-12 op arXiv gepubliceerd. Elk gesprek bevat door clinici geschreven gebruikersberichten en een beoordelingskader dat zeven aspecten van ondersteuning meet. De benchmark beoordeelt modellen op het aandeel van de vereiste zorg dat ze bieden, en niet alleen op de vraag of ze een antwoord weigeren. Van de 25 beoordeelde modellen voldeed het best presterende aan 88.4% van de gewogen criteria; clinici scoorden met hetzelfde beoordelingskader 98.7%.
Waarom het ertoe doet
Met de benchmark kunnen ontwikkelaars zien waar modellen tekortschieten bij het bieden van hulp in crisissituaties, vooral bij het doorverwijzen van gebruikers naar menselijke hulp.
