۲۳ سپتامبر OpenAI بنچمارکی با بیش از ۸۰ متخصص دارای مجوز از ۲۲ کشور منتشر کرد. سه سطح شدت از استرس روزمره تا بحران. هر گفت‌وگو دست‌کم سه بالینگر دیده. برای کاربر ایرانی چت‌بات جایگزین درمانگر نیست.
MentalHealthBench بیش از ۱۲۱۵ گفت‌وگوی ساختگی دارد و ۵۲۶۲ معیار روبریک. بیش از ۸۰ روان‌شناس و روان‌پزشک از ۲۲ کشور و حدود ۱۹ زبان. سه سطح: غیرحاد، پراضطراب، اورژانس. برای نوجوان، بالینگر حوزهٔ نوجوان جدا دیده.
هدف پر کردن شکاف بنچمارک‌هایی است که فقط بحران را می‌سنجیدند. مدل‌های جدیدتر در «پرسیدن زمینه» بهتر شده‌اند. منبع باز است تا دیگران تکرار کنند.
چت‌جی‌پی‌تی با فیلتر به نوجوان می‌رسد بدون نظارت. بنچمارک غربی جایگزین خط بحران داخلی نیست. اگر محصول مشاوره می‌سازید، ارجاع به انسان را اجباری کنید؛ مدل را درمانگر ننامید.
عدد را با ساعت بنویسید. فیلتر و قطع کلید را فرض بگیرید. فاکتور بدون عیار و قولنامه بدون بازدید معامله نیست.
هوش مصنوعی
هوش مصنوعی
هوش مصنوعی
هوش مصنوعی
هوش مصنوعی