CogArena: 多模态智能体交互式行为实验基准

CogArena 发布，包含 10 个社科行为范式，Agent 通过标准浏览器完成实验。三级评分系统评估任务完成度、准确率及行为特征。 四项多模态模型测试表明，完成实验与复现特征并非必然同步，部分会话未完成或特征复现不稳定。CogArena 提供任务、代码及公开排行榜。