基准
MentalHealthBench
由心理健康领域专业人士参与设计的AI评测基准，专门用于衡量大语言模型在心理健康对话场景中的回应是否兼顾有用性与安全性，覆盖真实对话情境与风险识别能力
时间轴 (近 90 天)
9月23日
MentalHealthBench 是一套由专家参与设计的评测基准，用于衡量AI系统在真实心理健康对话场景中的回应是否既有帮助又足够安全
待验证50%
9月23日
MentalHealthBench 强调「helpful and safe」双重标准，同时衡量有用性与安全性
待验证50%
9月23日
MentalHealthBench 覆盖贴近现实的对话情境（realistic mental health conversations），包含模糊表达、多轮交互和情绪起伏
待验证50%
9月23日
MentalHealthBench 若能获得广泛采用，有望为AI心理健康产品上线前的最低安全门槛提供可参考的量化依据
待验证50%