CogArena基准：多模态智能体在浏览器中接受行为实验测试

据arXiv预印本论文，研究团队提出CogArena基准，收录社会与行为科学领域的十项实验范式，智能体需通过标准网页浏览器完成实验，使用与在线参与者相同的视觉刺激和响应界面。评分分三级：是否完成任务、完成准确度、数据是否呈现各范式在人类身上稳定出现的行为特征。研究称，对四个多模态模型各在每项任务上运行十次后发现，完成实验与复现行为特征并不等同：许多会话未能完成，完成者中部分特征可稳定复现，另一些则完全无法复现。该论文由Kianté Fernandez、Caitlin Chen、Jialu Zhou、Bartek Sadowski、Anthony C. Miceli、Ian Krajbich撰写，属预印本、未经同行评审。团队同时公开任务、评分代码及面向新提交的公开排行榜。