# DistressBench发布，用于测试语言模型的危机支持能力

> 这项新基准测试评估了25款AI模型在用户面临自杀和自伤危机时提供帮助的能力。表现最佳的模型达到了88.4%的照护标准。

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

研究人员于2026-10-12在arXiv上发布了DistressBench，这是一个包含718段英语危机对话的数据集。每段对话都包含由临床医生撰写的用户发言，以及一套用于评估七个支持维度的评分标准。该基准根据模型提供了多少必要照护内容来评分，而不只看模型是否拒绝回答。在评估的25款模型中，表现最佳的模型达到加权标准的88.4%；临床医生按照同一套标准评分则达到98.7%。

## 事实

- 718段对话，涵盖23种自伤子类别
- 表现最佳的模型达到88.4%的照护标准；模型得分中位数为71.4%

## 为什么重要

这项基准测试能让开发者了解模型在实际危机援助中有哪些不足，尤其是引导用户寻求人工帮助方面。

## 来源与参考

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

最后更新: 2026-10-12