答案已發布15 來源
MentalHealthBench 點樣評估 AI 的心理健康回應
MentalHealthBench 收錄 1,215 段模擬心理健康對話，並以逾 80 名持牌心理健康專家參與制定的準則評估 AI 回應。 測試由日常困擾涵蓋至緊急情況；得分反映回應是否符合評分準則，不等於證明 AI 能取代專業支援。
發布者使用 GPT-6 Sol 編輯圖片由 GPT Image 2 生成
研究答案
重點
- MentalHealthBench 收錄 1,215 段模擬心理健康對話，並以逾 80 名持牌心理健康專家參與制定的準則評估 AI 回應。
- 測試由日常困擾涵蓋至緊急情況；得分反映回應是否符合評分準則，不等於證明 AI 能取代專業支援。
AI 提示
openai.comCreate a landscape editorial hero image for this Studio Global article: What is OpenAI’s MentalHealthBench, why was it created, how were its conversations and expert scoring criteria developed and evaluated, what. Article summary: MentalHealthBench is OpenAI’s open benchmark for testing whether AI gives helpful, safe responses across 1,215 realistic mental-health conversations. OpenAI created it because earlier evaluations focused heavily on crise. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
當一個人向 AI 談心理困擾，答覆「冇講錯嘢」未必就夠。AI 有冇留意之前講過的事？應該先問清楚，定係立即提出建議？遇到風險時，語氣同應對又是否恰當？OpenAI 推出的開放基準 MentalHealthBench，就是要按每段對話的具體情境，評估 AI 回應是否有幫助及安全。OpenAI 指，過往相關評估較集中於危機情境和籠統的安全規則，未能充分測試人們可能尋求的各類支援。1
3
點樣出題、點樣評分？
基準收錄 1,215 段模擬對話，情境多樣；部分對話附有先前的交流內容，用來測試模型回覆最後一則訊息時，有冇用上相關背景。這些是測試案例，不是各類心理健康情況在 ChatGPT 出現頻率的統計。1
逾 80 名來自 22 個國家或地區的持牌心理健康專家參與制定基準。專家閱讀每段對話，為最後一則用戶訊息的回應編寫評分準則。每段對話至少由三名專家審閱；OpenAI 指，只有所有審閱者同意的準則才會納入最終版本。1
4
公開的基準共有 5,262 項專家編寫的準則，每項針對一種具體回應行為：有幫助的做法可獲正向權重，有害做法則會受負向權重評價。之後由自動評分器逐項檢視模型的答覆。因此，分數量度的是答覆與這些準則有幾吻合，並非直接量度求助者的臨床結果。1
4
測試唔止睇緊急情況
題目涵蓋日常、非急性的困擾，以至嚴重痛苦和緊急情況；對話角色包括成年人、青少年、照顧者及臨床人員，亦有不同語言和地區的情境。準則可檢視 AI 會否在有需要時先了解背景、尊重當事人的自主權、提供合適而可行的建議，以及按風險程度作出相稱回應。1
4
結果話到我哋知幾多？
OpenAI 表示，受測 AI 系統的表現有所改善，但在適時追問背景和判斷事情有幾緊急方面，仍有持續的難處。現有資料不足以在本文為各個模型作可靠排名；基準得分較好，也不保證每次真實對話都安全。1
OpenAI 亦參考了真實 ChatGPT 用戶的回饋。用戶觀點可以補充臨床專家的判斷，卻不能取代臨床及安全準則。現有資料沒有清楚指出用戶與臨床人員究竟在哪些具體優先事項上看法不同，因此不宜將兩者說成有某種已獲證實的分歧。1
基準測試，不等於危機支援
MentalHealthBench 是評估回應的工具，本身不是危機支援功能。另一方面，OpenAI 表示已擴大危機求助熱線的使用途徑、將部分敏感對話轉交較安全的模型處理，並在長時間對話中加入休息提示。這些措施是其安全工作的另一部分，但不代表 ChatGPT 可以代替心理治療、專業照護，或緊急情況下的現實求助。11
15
Studio Global AI
繼續你的研究
此頁麵包含一個有來源支援的答案，您可以在 Studio Global 內繼續。
人們還問
「MentalHealthBench 點樣評估 AI 的心理健康回應」的簡短答案是什麼？
MentalHealthBench 收錄 1,215 段模擬心理健康對話，並以逾 80 名持牌心理健康專家參與制定的準則評估 AI 回應。
首先要驗證的關鍵點是什麼？
MentalHealthBench 收錄 1,215 段模擬心理健康對話，並以逾 80 名持牌心理健康專家參與制定的準則評估 AI 回應。 測試由日常困擾涵蓋至緊急情況；得分反映回應是否符合評分準則，不等於證明 AI 能取代專業支援。