Grok и GPT-4o не помогут в эмоциональной поддержке: тест 22 языковых моделей выявил дефицит эмпатии

Современные чат-боты, созданные на базе крупных языковых моделей, способны справляться с разнообразными задачами, включая оказание эмоциональной поддержки. Однако новейшее исследование выявило, что одни боты демонстрируют значительно худшую эмпатию, чем другие.

По данным испытаний CARE (Crisis Assessment and Response Evaluator) от компании Rosebud, такие известные решения, как ChatGPT и Grok, показали наихудшие результаты. При этом в семействе OpenAI наиболее слабую оценку получила версия на базе GPT-4o, а GPT-5 уступила в показателях лишь Google Gemini.

Наиболее высоким уровнем эмпатии среди протестированных ботов отметилась модель Google Gemini.

Rosebud проверила эмпатию 22 различных ИИ-моделей, задавая им вопросы, стилизованные под обращения пользователей с эмоциональными или психологическими трудностями, включая темы, связанные с самоубийством.

Модели анализировались по нескольким критериям: умению распознавать опасные запросы, степени эмоциональной окраски ответов и другим показателям. Во многих случаях боты давали слишком сухие ответы там, где требовалось сочувствие и поддержка. При этом ни одна модель не прошла все тесты без единого провала.

Источник: iXBT