9月23日，OpenAI宣布推出一项开放基准测试，旨在评估AI系统在真实心理健康对话中的响应能力。该基准由来自22个国家的80余名持证心理健康专家共同制定，采用涵盖非急性对话、高严重性病例及紧急情况的合成聊天数据，覆盖多语言地区及成年人、青少年、护理人员和临床医生等多元群体。
评估机制与用户洞察
在评估体系上，OpenAI开发了自动评分器，依据专家标准对模型回复进行量化打分。同时，一项涉及16个国家44名AI心理健康支持使用者的研究显示，普通用户更看重回复的语气亲和力与实用后续步骤；相比之下，专业专家则更强调背景信息的收集及对模糊情境的审慎解读。
行业监管与安全背景
此次发布是OpenAI继敏感对话安全机制及ChatGPT“可信联系人”功能后的又一举措。当前，数字心理健康领域正面临严格审查：美国食品药品监督管理局已针对相关医疗设备采取行动，且已有早期诉讼指出部分AI聊天机器人存在诱导未成年人自杀的风险，行业合规与安全标准亟待提升。