CogArena多模态智能体行为实验基准发布

2026年10月28日，Kiant'e Fernandez等作者在arXiv发布基准CogArena，用于在交互式行为实验中评测多模态智能体。该基准包含十项社会与行为科学实验范式，智能体通过标准网页浏览器完成实验，使用与在线参与者相同的视觉刺激和响应界面。评分分三级：任务是否完成、完成准确度，以及数据是否呈现各范式在人类身上稳定出现的行为特征。作者让四个多模态模型每项任务各运行十次，结果显示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、部分完全未能复现。目前进展停留在基准发布与初步评测结果，报道未提及后续更新或扩展计划。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。