English(EN) "Mental Health Benchmarks for Large Language Models: A Systematic Scoping Review" maps 173 benchmarks. Most rely on social media or LLM-generated data; only 2%

审查梳理173个LLM心理健康基准，发现数据局限性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-13 06:46

一项题为《大型语言模型心理健康基准》的系统性范围审查，识别并分析了173个基准。审查发现，这些基准中的大多数利用社交媒体数据或由LLM本身生成。值得注意的是，在审查的基准中，仅有很小一部分，具体为2%，报告使用了隐藏测试集。 AI

影响强调了当前LLM心理健康评估的局限性，表明需要更强大和多样化的数据集。

排序理由该集群包含一篇详细介绍基准系统性审查的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 Mastodon — mastodon.social 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍基准系统性审查的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

Mastodon — mastodon.social TIER_1 English(EN) · [email protected] · 2026-09-13 06:46

大型语言模型心理健康基准：系统性范围审查，梳理173个基准。多数依赖社交媒体或LLM生成数据；仅2%

"Mental Health Benchmarks for Large Language Models: A Systematic Scoping Review" maps 173 benchmarks. Most rely on social media or LLM-generated data; only 2% report hidden test sets. # LLM # MentalHealth # AI https:// doi.org/10.17605/OSF.IO/CZB7V

链接 osf.io/czb7v

本文如何被排名

报道来源 [1]

大型语言模型心理健康基准：系统性范围审查，梳理173个基准。多数依赖社交媒体或LLM生成数据；仅2%

相关实体

相关话题