总分相近的模型各有强弱:10 项行为维度揭示 AI 心理支持差异
thekaransinghal · x · 2026-09-24
MentalHealthBench 可拆解为 10 项行为维度,揭示总分相近模型之间的差异:各模型在「主动追问上下文」上差距悬殊,而「共情与支持」的表现则相对一致。这说明单一总分不足以评估 AI 的心理支持能力。
所属事件:OpenAI 开源 MentalHealthBench 心理健康基准(17 条相关)→
「模型」频道最新
- 双板搭建测试：GPT-6 Astra 成功，Claude Fable 5.2 落败 — qinzytech · 2026-11-12
- Zvi 深析 Anthropic 新系统卡: autonomy 阈值争议成焦点 — Don't Worry About the Vase (Zvi) · 2026-11-12
- antirez 背书:苹果 M5 本地跑低比特 DeepSeek 好过 27B 稠密模型 — antirez · 2026-11-12
- 被禁用视觉后 Gemini 自建文本图像硬扛基准,性能仅降 6% — zacharynado · 2026-11-12
- 实测三模型纯裸跑编码：Gemini 4 Carbon 代码质量惊艳性价比最高 — Semantic_meaning · 2026-11-12
- Google 发物理工程「最后考试」:14 个前沿模型全部不及格 — dl_weekly · 2026-11-12