Forskare publicerade DistressBench, en datamängd med 718 engelskspråkiga krissamtal, på arXiv den 2026-10-12. Varje samtal innehåller användarinlägg skrivna av kliniker och en bedömningsmall som mäter sju aspekter av stödet. Riktmärket poängsätter modellerna utifrån hur stor andel av det stöd som krävs de ger – inte bara utifrån om de avböjer att svara. Av de 25 utvärderade modellerna uppfyllde den bästa 88,4 % av de viktade kriterierna, medan kliniker fick 98,7 % enligt samma bedömningsmall.
Varför det spelar roll
Riktmärket hjälper utvecklare att se var modeller brister när de ska ge konkret stöd i krissituationer, särskilt när det gäller att lotsa användare vidare till mänsklig hjälp.
