斯坦福等提出AI智能体协作智力基准
热点事件持续更新
斯坦福等提出AI智能体协作智力基准
3 篇报道3 个报道来源2 小时前更新
先了解这件事
AI 综述
斯坦福、MIT和牛津大学的研究者提出 Collaborative Intelligence Benchmark，用 240 个任务、8 项团队协作技能衡量 AI 智能体作为队友的协作能力。任务取自航空事故报告、临床病例、编码任务和谈判等真实记录。 240 个任务中，160 个连同代码和数据公开，其余 80 个预留用于评测。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月7日
- elvis (X)斯坦福提出 Collaborative Intelligence Benchmark，用 240 个任务衡量 AI 智能体协作能力
斯坦福研究者提出 Collaborative Intelligence Benchmark，用 240 个任务、8 项团队协作技能衡量 AI 智能体作为队友的协作能力，任务来自航空事故报告、临床病例、编码任务和谈判等真实记录。
11月5日
- meng shao斯坦福、MIT 与牛津提出协作智力基准，最强模型仅得 82.2 分
来自斯坦福、MIT 和牛津大学的研究者提出「协作智力基准」，用 240 道可程序验证的任务和 8 个协作维度测试单个模型当队友的表现，18 个模型中最高分只有 82.2 分。
- Rohan Paul (X)斯坦福论文提出协作智能基准，测量 AI 智能体作为队友的表现
斯坦福论文提出 Collaborative Intelligence Benchmark，用 240 个任务、8 类团队协作场景测量 AI 智能体作为队友的表现。前沿模型在 99% 的冲突场景中会询问队友需求，但 81% 的情况下接受队友更弱的方案；在接手较弱模型留下作弊代码的任务时，通过率从 97% 降至 81%。18 个模型中最高分 82.2，前沿模型仅在 14% 的冲突中达成最佳团队方案。
本事件热度走势
- 可比范围当前
- 17
- 可比范围峰值
- 1911月6日 00:00
- 近 24 小时变化
- +12%
05101520
11月6日06:0012:0018:0011月7日06:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。