**OpenAI 发布 MentalHealthBench：1215 段对话评估 AI 心理健康应对能力**

> OpenAI 推出开放式基准 MentalHealthBench，包含 1215 段合成心理健康对话，由来自 22 个国家和地区的 80 多名持证心理学家与精神科医生以 19 种语言共同制定，配套 5262 条专家评分标准。数据集中非急性对话占 53.5%、高风险 18.2%、紧急 28.3%；用户画像含成年人 68.1%、青少年 21.2%、临床医生 5.8%、照护者 4.9%。评分标准权重为 -10 至 +10，由自动评分器按 10 个行为维度（如共情、紧急程度判断、现实检验）评估。测试结果显示 GPT-6 Astra 任务截断得分最高为 57.3%，GPT-6 Sol 53.9%，Claude Opus 5.5 52.4%，GPT-4o 32.1%，Gemini 2.5 Pro 29.5%；临床医生亲写参考回答仅 38.5%。OpenAI 强调该基准是可审计的诊断工具而非模型排行榜，并重申 ChatGPT 无法替代心理治疗或专业医疗服务。

**来源信息**
- **来源**：IT之家（RSS）
- **分类**：论文
- **发布时间**：2026-09-24 15:22（北京时间）
- **原文**：[打开原文](https://www.ithome.com/1/006/805.htm)