arXiv cs.AI· Kiant\'e Fernandez, Caitlin Chen, Jialu Zhou, Bartek Sadowski, Anthony C. Miceli, Ian Krajbich·· 6 天前AI 评分44
CogArena：在交互式行为实验中评测多模态 Agent
CogArena: Benchmarking Multimodal Agents on Interactive Behavioral Experiments
AI 导读
研究人员推出 CogArena 评测基准，包含 10 个行为科学实验范式，让多模态 Agent 通过浏览器在与人类相同的视觉和交互界面下测试。该基准采用三级评分评估任务完成度、准确率及人类特征复现度；对 4 个多模态模型的测试显示，完成实验并不等同于能复现人类行为特征。CogArena 现已公开实验任务、评分代码与公共排行榜。
来源：arXiv cs.AI · arxiv.org