OpenAI 发布的心理健康对话评测基准。
这套基准是急诊分诊演练：不只听懂“我难受”，还得知道何时求助、不能乱说。
它用模拟对话检验支持、追问和危机回应是否安全。
Evaluation harness评测框架可运行这套题目，比较不同模型的对话表现。
AI Medical Assistant它可检验医疗助手在心理支持与危机对话中的安全表现。
AI Guardrails它能测试护栏是否拦住危急对话中的不当回应。