推出评估AI智能体协作能力的基准Collaborative Intelligence

论文提出名为 Collaborative Intelligence Benchmark 的基准，包含 240 个覆盖 8 个维度的团队协作任务。评估了 18 个闭源和开源模型，发现最佳模型得分仅为 82.2。前沿模型在拒绝不安全捷径方面表现良好，但在人际压力下达成协议的比例仅 14%，且接手较弱模型未完成任务的成功率从 97% 降至 81%。