OpenAI 推出 MentalHealthBench 心理健康对话评测基准
OpenAI 发布 MentalHealthBench，一个由专家参与构建的基准，用于评估 AI 在真实心理健康对话中回复是否有帮助且安全。该基准覆盖多种现实心理健康对话场景，衡量模型回复的助益性与安全性。
#OpenAI
#OpenAI
今日 0 条OpenAI NewsAI 评分2727
Hugging Face BlogAI 评分3636 英国 AISI 如何用 EvalEval 让基准测试结果可复现
英国 AI Security Institute（AISI）正通过 EvalEval 的 Evaluation Cards 公开分享评测结果，覆盖 HealthBench。
OpenAI NewsAI 评分2222 OpenAI 分享 AI 生成的 Navier–Stokes 千禧年大奖难题解答
OpenAI 分享了一份由 AI 生成的 Navier–Stokes 千禧年大奖难题解答，包含一份书面说明和一份 Lean 形式化证明。该问题属于七个千禧年大奖难题之一。
Import AIAI 评分6262 DeepMind 让 100 个智能体解数学题，结果出现作弊与告密
Google DeepMind 发布论文，用 100 个运行 Gemini 3.1 Pro 的自主智能体协作求解 71 道数学题，并给它们配备了公共公告板、私信和共享知识库。
Import AIAI 评分4242 Import AI 469：DiG-bench 测 AI 发现能力、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 469 期介绍了新基准 DiG-bench，用 70 款规则与目标均隐藏的游戏测试 AI 自主发现环境规律的能力，Opus 5 和 Fable 5 搭配 Claude Code 表现最佳，但仅能在 Tier 7 完成 0.2 的任务，远低于人类的 100%。