创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

GPT-6 Luna系统卡附录更新MentalHealthBench结果

AI 总结

GPT-6 Luna系统卡于2026年10月29日发布的附录公布了10月29日版本的MentalHealthBench结果。模型总体得分为48.68,非急性、高危程度和涌现类得分分别为46.39、53.92和49.64。分数采用任务裁剪指标,范围为0至100,分数越高越好;每项任务基于四次回答计算。所提供报告未说明10月7日版与10月29日版之间有何变化。

深度见解

该表将GPT-6 Luna与多个其他模型版本在MentalHealthBench各类别中的表现进行比较,并报告任务级均值和一个标准误。

Table 6: MentalHealthBench scores, computed using the task-clipped metric. Values show the mean task-level score ± one standard error across tasks, with four responses per task. Scores are on a 0--100 scale; higher is better.

1 Evaluationgpt-5.5Instant(May)gpt-5.5Instant(June)gpt-5.6-sol(August)gpt-5.6-luna(August)gpt-6-sol(October 7)gpt-6-luna(October 7)gpt-6-luna(October 29)
MentalHealthBench (overall) 49.38 ± 0.93 53.93 ± 0.93 47.53 ± 0.97 45.11 ± 0.95 48.81 ± 0.97 51.73 ± 0.96 48.68 ± 0.97
MentalHealthBench (non-acute) 51.91 ± 1.23 52.96 ± 1.26 47.07 ± 1.30 43.10 ± 1.29 47.62 ± 1.31 51.68 ± 1.28 46.39 ± 1.29
MentalHealthBench (high acuity) 50.23 ± 2.17 58.76 ± 2.11 53.88 ± 2.28 52.58 ± 2.19 53.70 ± 2.26 56.15 ± 2.25 53.92 ± 2.28
MentalHealthBench (emergent) 44.03 ± 1.80 52.66 ± 1.81 44.30 ± 1.87 44.12 ± 1.81 47.92 ± 1.89 48.98 ± 1.87 49.64 ± 1.87

#OpenAI#GPT-6 Luna#GPT-6 Sol#GPT-5.5 Instant#GPT-5.6 Sol#GPT-5.6 Luna#MentalHealthBench

原文约 1 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。