CogArena：多模态智能体行为实验基准发布

Kiant'e Fernandez 等作者提出并发布 CogArena，一个包含十种社会与行为科学实验范式的基准，用于评测多模态智能体。智能体通过标准网页浏览器，使用与在线被试相同的视觉刺激和响应界面完成实验。 评测采用三级评分：任务是否完成、完成准确度，以及数据是否呈现该范式在人类身上稳定出现的行为特征。对四个多模态模型各任务运行十次后发现，完成实验与复现行为特征并不等同：许多会话未能完成，完成的会话中部分特征可靠复现、部分完全无法复现。

AI 根据报道生成 · 38 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。