# DistressBench, dil modellerinin kriz desteğini ölçüyor

> Yeni kıyaslama testi, 25 yapay zekâ modelinin intihar ve kendine zarar verme krizlerinde kullanıcılara ne kadar iyi destek olduğunu değerlendiriyor. En başarılı model, bakım ölçütlerinin %88,4’ünü karşıladı.

Oossa · 2026-10-12 · https://oossa.com/tr/distressbench-released-to-test-crisis-support-in-language-models

Araştırmacılar, klinisyenler tarafından yazılmış kullanıcı mesajları ve desteğin yedi boyutunu puanlayan bir değerlendirme cetveli içeren 718 İngilizce kriz konuşmasından oluşan DistressBench veri kümesini 2026-10-12’de arXiv’de yayımladı. Kıyaslama testi, modelleri yalnızca yanıt vermeyi reddedip reddetmediklerine göre değil, gerekli bakımın ne kadarını sunduklarına göre puanlıyor. Değerlendirilen 25 model arasında en başarılısı, ağırlıklı ölçütlerin %88,4’ünü karşılarken klinisyenler aynı değerlendirme cetvelinde %98,7 puan aldı.

## Gerçekler

- Kendine zarar vermenin 23 alt kategorisini kapsayan 718 konuşma
- En başarılı model bakım ölçütlerinin %88,4’ünü, ortanca model ise %71,4’ünü karşıladı

## Neden önemli

Bu kıyaslama testi, geliştiricilerin modellerin gerçek kriz desteğinde nerelerde yetersiz kaldığını, özellikle de kullanıcıları insan desteğine yönlendirme konusunda, görmesini sağlıyor.

## Kaynaklar ve referanslar

1. [DistressBench: Evaluating Multi-Dimensional Crisis Support in Large Language Models](https://arxiv.org/abs/2610.12758) – arXiv, 2026-10-12

Son güncelleme: 2026-10-12