CogArena：用行为实验评测多模态Agent的基准发布

CogArena研究团队发布评测基准CogArena，让多模态智能体通过标准浏览器、在与人类被试相同的视觉刺激和响应界面下完成社会与行为科学领域的十个实验范式，并以三级评分评估任务完成度、准确性和行为特征复现。该工作已被NeurIPS 2026评测与数据集赛道接收，任务、评分代码和公开排行榜均已开放。 对四个多模态模型各任务运行十次的结果显示，能完成实验不等于能复现人类行为特征：许多会话未能完成，完成者也只能稳定复现部分特征。

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。