Kolab 基准发布：115 小时真实录像测人机协作

明尼苏达大学 Shirley Wu 团队在 Hugging Face 发布 Kolab 基准：从 40 个职业、50 位专业人士的真实工作中收集 115 小时以上人机协作屏幕录像，用于评测人-智能体在长程工作流中的协作。核心发现是前沿多模态模型会高估自身协作质量，团队主张基准应来自真实工作而非人造任务。

2026-10-27 ~ 2026-10-28 · 2 条相关