OpenAI 发布 MentalHealthBench：评估 AI 心理健康对话的安全性

OpenAI 和 80 多位临床医生一起做了个心理健康对话评测基准，还开源了方法，做模型评测的可以拿来直接跑。

官方账号OpenAI@OpenAI11 个信源在谈原文

腾讯混元做了个新基准 WebCraftBench，用 369 条真实需求测 AI 写网页到底靠不靠谱，测了 17 个模型，和 Code Arena 榜单相关性 0.89。

lmarena.ai@lmarena_ai2 个信源在谈原文

偏头痛患者可以看看，Nerivio 应用用 5.3 万人的数据训练模型，提前一天预测头痛，准确率 91%。

HIT Consultant@Fred Pennic原文

Microsoft Research 研究说机器人不用把推理都塞进本体，放到外部算反而任务成功率更高、效率更好，做具身智能的可以看看。

官方账号Microsoft Research@MSFTResearch2 个信源在谈原文