OpenAI 推出 MentalHealthBench 评测基准
OpenAI 推出 MentalHealthBench 评测基准，用于评估 AI 在真实心理健康对话中回复的有效性与安全性。该基准结合专家知识构建，旨在检验 AI 模型在心理健康场景下提供有益且安全响应的能力。
#评测/基准
#评测/基准
今日 0 条OpenAI NewsAI 评分3535
Microsoft ResearchAI 评分4949 MindTopo揭示视觉语言模型的空间推理能力
Microsoft Research推出MindTopo基准，评估多模态大语言模型对拓扑关系的静态推理和交互规划能力。测试涵盖连续性、分离、顺序、包围和打结，结果显示模型在静态识别任务中的表现明显强于交互规划。规划失误常发生在感知之后，模型会在多步操作中丢失结构关系或提出违反环境规则的动作。