Pesquisadores publicaram no arXiv, em 2026-10-12, o DistressBench, um conjunto de dados com 718 conversas em inglês sobre crises. Cada conversa inclui mensagens de usuários redigidas por profissionais de saúde e uma rubrica que avalia sete dimensões do apoio. O benchmark pontua os modelos pela proporção dos cuidados exigidos que oferecem, e não apenas por se recusarem a responder. Entre os 25 modelos avaliados, o melhor atendeu a 88,4% dos critérios ponderados, enquanto profissionais de saúde obtiveram 98,7% na mesma rubrica.
Por que importa
O benchmark permite que desenvolvedores identifiquem onde os modelos falham ao oferecer ajuda em crises reais, especialmente ao encaminhar usuários para assistência humana.
