研究者发布协作智能基准评估AI智能体团队协作

研究者发布 Collaborative Intelligence Benchmark，用 240 项任务从 8 个维度评估 AI 智能体作为队友的协作表现。任务取自航空事故报告、临床病例、编码任务和谈判等真实记录或现有基准，结果可程序化验证。 该基准包含 160 项公开任务（附代码和数据），另有 80 项留出任务用于评估。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。