快讯事件 · 1 条来源
Scale Labs发布DistressBench基准，衡量AI应对心理健康危机的表现
Scale Labs发布DistressBench基准，用于衡量AI模型在人们面临心理健康危机时的响应表现。该团队表示，越来越多的人转向AI聊天机器人寻求心理健康支持，但该基准关注的是模型在最关键时刻是否真正有帮助。
全部来源
前后事件
相关事件
Scale Labs 推出 Humanity’s Sixth Sense 视觉推理基准：人类得分 93.1%，最强模型仅 53.6%
Scale Labs 宣布推出名为 Humanity’s Sixth Sense（HSS）的新基准，用于测试日常依赖的直觉式视觉推理。据其介绍，该基准包含 522 个开放式任务，覆盖图像与视频，考察空间推理、因果推理到社会理解等能力。团队称人类平均得分为 93.1%，最强模型 GPT-6-astra 为 53.6%，而模型中位数仅 30.9%。上述数字与结论均为发布方自述，尚未独立核实。