OpenAI 发布 MentalHealthBench，GPT-6 Astra 得分 57.3

OpenAI 联合来自 22 个国家的 80 多名执业心理医生和精神科医生，推出了心理健康对话评测基准 MentalHealthBench。该基准覆盖 19 种语言和近 20 个细分专业方向，专注日常及模糊情境的心理对话，而非以往的紧急危机场景。每段合成对话都配有专家定制评分标准，至少 3 名专家审核，需 2 人同意且第 3 人不反对才保留。在新基准上，GPT-6 Astra 得分 57.3，GPT-4o 得分 32.1。评分由 GPT-5.6 Sol 对照人类撰写的标准进行，因此质量仍部分依赖 LLM 评委。