研究者提出AI代理团队协作新基准

Sean Wu等研究者提出Collaborative Intelligence Benchmark，用于衡量AI代理作为团队成员时的协作表现。该基准共240个任务，其中160个公开任务附带代码和数据，另80个为留出评估任务；任务取自航空事故报告、临床案例、编程与谈判等真实记录，结果可程序化验证。 基准按8个团队协作维度评分，衡量的是代理在团队中的协作能力，而非单人任务完成度。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。