HealthCareMagic-100k-en

研究发现：AI聊天机器人可维护儿科健康咨询安全

一项新的基准测试PediatricSafetyBench-v2，评估了四种消费级AI系统（GPT-4o mini、Gemini 2.0 Flash、Claude 3.5 Haiku和Llama-3.1:8b）在响应儿科健康咨询时维护安全边界的能力。研究发现，这些系统总体表现良好，总体安全适宜率为95.5%。有趣的是，对抗性照料者压力，特别是虚假专业知识声明，并未显著降低安全评分，在某些情况下甚至有所提高，而情绪升级则导致了最高安全评分。