研究提出协作智能基准，评估 AI 智能体作为队友的能力

研究提出 Collaborative Intelligence Benchmark，包含 240 个任务，覆盖 8 个协作维度，评估 AI 智能体作为队友的表现。测试 18 个模型发现，即使最强模型得分仅 82.2/100，且个体能力与协作能力无强相关。基准包含 160 个公开任务及代码数据，80 个保留任务用于评估。