新基准Collaborative Intelligence发布，评估AI协作短板

Sean Wu等人于2026年11月3日在arXiv发布协作智能基准（Collaborative Intelligence Benchmark），包含240个覆盖8个维度的团队协作任务。该基准源自航空事故报告、临床案例等真实记录，且任务结果可程序化验证。 研究评测了18个闭源和开源模型，发现最佳模型得分仅为82.2分。为隔离协作与个人能力，仅对模型在拥有完整信息时可独立解决的任务进行评分。基准包含160个公开任务和80个保留任务。 结果显示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%。当接手较弱模型未完成任务时，成功率从97%降至81%，表明当前AI作为队友仍存在明显弱点。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。