MentalHealthBench：给心理支持AI加上专家评判尺
MentalHealthBench: An Expert-Informed Benchmark of AI Capabilities in Realistic Mental Health Conversations
1215段合成对话覆盖日常困扰与危机；专家和用户对好回答的侧重点不同。中文样本仅1条，不能据此推断中文表现。
相关期次：2026-09-24 精选
阅读笔记
OpenAI构建1215段合成心理健康对话，由80余名持牌专家设计逐场景评分规则。范围从日常困扰到紧急危机，不仅看模型是否拒绝危险内容，也看能否收集背景、校准紧急程度并提供合适建议。
单独的44人用户研究只覆盖非急性情境：用户更看重具体下一步与语气，专家更看重不贸然下结论。这两种视角互补，不能相互替代。
边界：图2显示中文样本仅1条，不能据此推断中文心理支持质量。对话是合成的，评测由GPT-5.6 Sol自动打分。重要度8.8/10。
原文：https://cdn.openai.com/ctf-cdn/MentalHealthBench_A_Comprehensive_Benchmark_of_AI_Capabilities_in_Realistic_Mental_Health_Conversations.pdf
本期资料页：https://www.asteronline.cn/juju-radar/2026-09-24/
AI辅助整理。
笔记记录收录当期的判断。阅读一手材料不等于独立复现；后续进展请以原始来源为准。