TY  - UNPB
TI  - MentalHealthBench: An Expert-Informed Benchmark of AI Capabilities in Realistic Mental Health Conversations
UR  - https://cdn.openai.com/ctf-cdn/MentalHealthBench_A_Comprehensive_Benchmark_of_AI_Capabilities_in_Realistic_Mental_Health_Conversations.pdf
DA  - 2026-09-23
KW  - Juju Radar
KW  - 心理健康
KW  - 模型评测
KW  - 待阅读
N1  - 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。
ER  -