斯坦福等发布协作智能基准，最强模型当队友仅得82.2分

斯坦福联合 MIT、牛津发布 Collaborative Intelligence Benchmark，首次系统性衡量 AI Agent 作为「队友」的协作表现。基准包含 240 个任务，覆盖 8 个协作维度，从拒绝不安全指令到团队配合全面考察。18 个模型参与评测，最高分仅 82.2 分，显示即使最强模型在真实协作场景中仍有明显短板。

2026-11-03 ~ 2026-11-05 · 2 条相关

• 斯坦福发布协作智能基准:最强模型当队友只得 82.2 分 — StanfordUniversity · 2026-11-03
• 斯坦福协作智能基准：18 个模型当队友，最高仅 82.2 分 — james_y_zou · 2026-11-05