OpenAI 推出 MentalHealthBench：心理健康对话评测基准
OpenAI 推出 MentalHealthBench，这是一项由专家参与设计的评测基准，用于评估 AI 在真实心理健康对话中回复的有用性与安全性，帮助衡量模型在心理健康场景下的表现。</think>
#评测/基准
#评测/基准
今日 0 条OpenAI NewsAI 评分2626
Import AIAI 评分2727 Import AI 470：METR 评估 AI 加速在不同科学领域的差异；SPADE 通过自博弈自动生成训练环境；Hawkeye 构建更优 GPU kernel
METR 研究指出，AI 在 2026 年大幅加速网络安全领域进展（漏洞报告速率较 2025 年明显提升），对数学研究有轻微但难以量化的影响，对 AI 研究本身则无可观测加速。
Microsoft ResearchAI 评分4343 <think>Let me analyze this article carefully.
The article is about MindTopo, a new benchmark from Microsoft Research for testing topological reasoning in multimodal AI models (VLMs - Vision Language Models). Key points。
Import AIAI 评分3737 Import AI 468：IFP 提出 23 项 RSI 政策建议，MIT 等分析 AI 竞赛中的信任与透明度博弈
Import AI 第 468 期聚焦 AI 政策与竞赛博弈：智库 IFP 发布 23 项应对自动化 AI R&D 风险的政策建议，涵盖透明度、风险策略、AI 韧性等 7 类；MIT 与哥伦比亚大学研究者在论文《Racing to Ruin》中通过博弈模型分析，AI 企业能否实现协同放缓取决于透明度与对对手可信度的判断。
Hugging Face BlogAI 评分4848 ScarfBench：面向企业 Java 框架迁移的 AI 智能体基准评测
ScarfBench 是一个面向企业 Java 框架迁移的开源 AI 智能体评测基准，覆盖 Spring、Jakarta EE 与 Quarkus。基准包含 34 个应用、204 个迁移任务和 1,331 个专家测试，要求迁移后应用能够成功构建、部署并保持原有行为。