CogGym 基准评测 50 个前沿模型，揭示 AI 与人类认知对齐鸿沟

Lance Ying 等 56 位学者（含 Tenenbaum、Saxe、Fedorenko）发布预印本 CogGym，从 30 多个实验室的 100 篇认知科学论文中收集 258 个实验，构建覆盖心智理论、因果与物理推理、道德判断、语言与语用学的评测集。研究用 R² 与模型-人类分布散度两个指标评测 50 个语言与多模态模型，发现模型与人类的行为对齐程度因认知域而异，其中物理推理分歧最大，显示前沿模型与人类认知间存在明显鸿沟。

2026-10-01 ~ 2026-10-01 · 4 条相关

• CogGym 预印本：基于 100 篇认知科学论文比较 AI 与人类判断 — burny_tech · 2026-10-01
• 研究汇总 30+ 实验室 258 个实验,构建大模型认知评测基准 — xuanalogue · 2026-10-01
• 新研究:评测 50 个前沿模型,发现其认知与人类存在对齐鸿沟 — xuanalogue · 2026-10-01
• 研究发现模型对齐程度因认知域而异，物理推理与人类行为分歧最大 — xuanalogue · 2026-10-01