OpenAI发布心理健康基准MentalHealthBench，由22个国家的80多名持证专家一起定标准

AI 聊天机器人在心理健康话题上怎么回答才算合格，OpenAI 这次想给出一把尺子。

新发布的开放基准叫 MentalHealthBench，参与制定的是来自 22 个国家和地区的 80 多名持证心理健康专业人员。它评估的不是模型懂多少心理学知识，而是在真实对话里的表现。

具体看四类行为：能不能保证安全，会不会先收集必要的背景信息，是否尊重用户自己做决定的权利，给出的建议是否可以落地执行。

场景覆盖成人、青少年、照护者，也包括临床工作人员在内。

这比单纯的“有没有触发危机干预话术”要细得多。过去很多模型的做法是，一旦识别到敏感词就甩出一个热线电话，然后拒绝继续聊。从安全角度看挑不出错，但对一个只是想倾诉的人来说，这种回应很冷，甚至会让人更难受。

反过来，另一种失败是模型太顺着用户说，一味共情、一味肯定，在该提醒的时候没有提醒。

OpenAI 给出的结论是，AI 在这方面有稳步进步，但 ChatGPT 不能替代专业治疗。

基准是开放的，这点比较关键。其他厂商的模型也可以拿来跑，结果能横向比较。当越来越多人把 AI 当作深夜倾诉的对象，这类评估由谁来做、按什么标准做，本身就是一件需要公开讨论的事。