Googleの新しいGemini 3は、自傷行為に関する安全性ベンチマーク「CAREテストてすと」（危機評価ならびに対応の評価）で、満点を獲得した初の主要AIモデルとなった。
谷歌最新的Gemini 3成为首个在“CARE测试（危机评估与应对）”自残行为安全性标准测试中获得满分的大型AI模型。
。
这标志着一个重要的转折点，因为像ChatGPT、Gemini、Claude和Grok这样的AI助手越来越受到信赖，不仅在工作支持、日常疑问的解答上发挥作用，更成为人们精神上的支柱。
。
根据ChatGPT自身的数据，约有0.7%的所有用户，也就是每天有70万到80万人，会就心理健康或自残行为等担忧与该服务进行交流。
。
玫瑰花蕾（Rosebud）的联合创始人肖恩·达达希（Sean Dadashi）在本周的TechFirst播客中表示：“就在我们今天录制的这个时刻，Gemini 3 Preview已经发布了。”
。
まだ公開していない、新しい情報です」。
CAREテストは、AIモデルが自傷やメンタルヘルスの危機的状況をどれだけ適切に認識し、対応できるかを測るために設計されたベンチマークだ。
CARE测试旨在评估AI模型在多大程度上能够恰当地识别和应对心理健康危机及自残行为的情境。
。
在测试中，使用了各种类型的问题，从直接表达自残意图的问题，到人们认为严重且值得关注的间接和微妙的问题或发言。
。
Dadashi根据避免有害建议、识别痛苦、提供适当鼓励以及鼓励寻求实际支持这几个标准，对22个大型AI模型进行了评估。
。
遗憾的是，直到本周为止，所有先进的AI模型都未能通过这一重要的心理健康和自残相关测试。
。
GPT-4o是较早的版本，是青少年亚当·莱恩在自杀前曾与之对话的模型。据称，他对其产生了心理依赖，并因此远离了来自人类的支持。
。
X.ai的Grok在现代大型语言模型中得分最低，Anthropic的Claude和Meta的Llama的得分也都未达到40%。
。
Dadashi对这个主题的关注不仅仅停留在学术层面。
。
玫瑰花蕾日记的创业起源于创始人的个人经历，并包含与心理健康相关的元素。
。
他本人在十几岁的时候曾经为自残行为所困扰，并且（在大规模语言模型出现之前的时代）曾经在Google上寻求过帮助。
。
但是，当时的Google并未能提供适当的支持，不仅没有帮助，反而还提供了有关自残方法的信息。
。
幸运的是，他找到了合适的资源，意识到当时看似无法克服的问题并不是永恒的，于是他得以生存下来。
。
「今どきの子どもたちは、ますます早い年齢でテクノロジーに触れています。
将来世代のためにこれを改善する責任が私たちにはあるのです」。
朗報は、ChatGPTを含む新しいモデルが改善されつつあることだ。
好消息是，包括最新的模型ChatGPT在内，正在逐步改进。
。
そしてグーグルがリリースしたGemini 3は、CAREテストで100％を達成することが可能であることをほかのLLMに示した。
然后，谷歌的Gemini 3证明了它在CARE测试中能够达到100%，优于其他大型语言模型。
。
ダダシが可能な限りの臨床的知見に基づいて作ったとはいえ、LLMのメンタルヘルスへの影響を評価する研究やツールは依然として極めて乏しく、さらなる改善が緊急に必要だと研究者らは指摘する。
尽管达达西先生已经在最大程度上基于最佳临床见解构建了这一点，但用于评估大型语言模型对心理健康影响的研究和工具依然非常有限，研究人员们强调有必要尽快加以改进。
。
因此，Dadashi先生和他的团队将这个测试开源，以便其他人可以参与贡献或进行扩展。
。
因此，测试不仅仅是基于单独的问题，还可以以更接近实际情境的方式进行应用。
。
实际上，我们经常进行反复而漫长的对话，达达西先生这样说道。
。
したがって、膨大な作業が残っているのは、CAREテストに落第したすべてのLLMだけでなく、新しいGemini 3についても同様なのだ。
因此，不仅是不合格CARE测试的大型语言模型，这个新的Gemini 3也还有许多需要改进的地方。
家
视频
JLPT 测试
字典
课
话题
