斯坦福发布协作智能基准，衡量 AI 队友表现

斯坦福联合 MIT、牛津发布「协作智能基准」（Collaborative Intelligence Benchmark），专门测量 AI agent 作为队友的协作表现，弥补现有基准的空白。该基准包含 240 个任务、覆盖 8 个场景，结果显示即使最强模型，在队友出错时也会掉 20-47 分，且前沿模型作为队友仅有 14% 的冲突达成最优解，暴露出当前 AI 协作能力的短板。

2026-11-05 ~ 2026-11-07 · 2 条相关