发布人机协作长程工作流基准Kolab

2026年10月16日，arXiv Artificial Intelligence 刊出研究，研究者发布人机协作长程工作流数据集与基准 Kolab。据该报道，Kolab 包含 50 位来自 40 种职业的专业人士与 AI 智能体协作的 115+ 小时屏幕录制，以及协作与产出质量的评判。该基准测试智能体能否预测专家对其贡献的采纳、修改或拒绝，并判断协作满意度与产出质量。结果显示，前沿模型普遍高估与专家的协作水平，且难以区分高质量与低质量协作，更长的流程上下文也未稳定改善预测。目前该事件仅有这一篇主报道，尚无后续跟进报道，因此不存在早先报道与后续报道在数字、时间或说法上的矛盾。上述数据与结论均来自该报道所述，其准确性有待进一步验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。