OpenAI 开放 MentalHealthBench：22 国 80+ 持证专家共建，把 AI 心理评测从防危机扩到日常对话

9 月 23 日，OpenAI 官宣开放基准 MentalHealthBench：与 22 个国家的 80 多名持证心理健康专家共建，评测 AI 在现实心理对话中的表现。官方给出的背景是每周超 10 亿人使用 ChatGPT，而现有评测大多只盯着紧急场景。

基准用隐私保护技术合成对话，场景带用户背景（如近期丧亲），覆盖成人、青少年、照护者与临床多角色、多语言多地区，按非急性、高急性度、紧急三级分谱系；评的是安全、追问上下文、保留用户自主权、在恰当时给出可执行建议四类行为，而不只是「有没有踩红线」。官方称模型在该领域稳定进步，基准开放供第三方复现。

它改变了什么：AI 心理安全评测的标尺从「紧急场景不越界」扩到「日常对话给的建议专不专业」——后者才是绝大多数真实使用发生的区间。边界：结果由 OpenAI 自测自报，合成场景与真实使用分布的差距要等第三方复现来检验。

原文链接：OpenAI 官方页面