发布多模态智能体基准 CogArena

2026年10月28日，Kiant'e Fernandez等人发布多模态智能体交互式行为实验基准CogArena。该基准包含10个社会科学行为范式，要求智能体通过标准浏览器完成实验任务。评估采用三级评分系统，涵盖任务完成度、准确率及行为特征维度。 测试结果显示，四项多模态模型在CogArena上的表现表明，实验完成与行为特征复现并非必然同步。部分会话存在任务未完成或特征复现不稳定的情况。该项目同步公开了任务定义、代码实现及排行榜，为相关研究提供标准化工具。

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。