PRiME 研究心理健康语用推理并评测12个LLM

Sneha Oram 等作者发布 PRiME 研究，构建三个数据集和三项任务，评估 12 个大语言模型在心理健康高风险场景下的语用推理能力。研究称 Mistral-7B 表现最佳，整体与人类评估相当。 团队还用误差不对称比率分析模型表现，并对 MentaLLaMA-7B 做一阶注意力 rollout 实验，公开了该模型的架构行为结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。