AI 心理健康测试：OpenAI 发布 MentalHealthBench，FDA 制定 AI 治疗工具基准政策

OpenAI 上周发布 MentalHealthBench，用于评估聊天机器人在心理健康场景下的回应；FDA 也已制定针对 AI 治疗工具的基准政策。这类基准测试通常由人类评估者模拟用户心理困扰情境与聊天机器人对话，场景涵盖自杀意念、饮食障碍和人际关系问题。Vals AI 的 Andrea Mock 指出，心理健康评估远比"数学题是否解对"这类可验证任务复杂，需要观察长期影响。RAND 的 Jonathan H. Cantor 正在研究如何用这些评估跨时间比较模型表现，但不同心理治疗框架对"正确回应"的定义不同，使统一标准难以建立。