PRiME：心理健康领域的语用推理评测

论文评测12个模型在心理健康语用推理上的表现

资讯摘要

论文提出 PRiME，考察大语言模型能否在心理健康这一高风险领域进行语用推理。作者构建三个数据集与三项任务，评测包括 MentaLLaMA 在内的 12 个模型，作者报告模型表现与人工评估相当，Mistral-7B 最佳；研究还用误差不对称比和 MentaLLaMA-7B 的一阶注意力 rollout 分析模型行为，并建议对该领域做更审慎分析。

要点速读

1. 论文构建三个数据集和三项任务，用于评测心理健康场景下的语用推理。
2. 评测覆盖 12 个模型，含心理健康推理与解释生成模型 MentaLLaMA；作者报告 Mistral-7B 表现最佳，整体与人工评估相当。
3. 作者用误差不对称比及 MentaLLaMA-7B 的一阶注意力 rollout 分析模型架构行为，并建议对该高风险领域进一步审慎分析。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。