CogBattery：54 个开源模型对照人类认知任务的行为评测

东北大学、Texas A&M 等机构发布 CogBattery 评测基准，将 54 个开源权重语言模型置于 13 种认知科学范式的文本改编任务中，与人类实验数据逐项对照。模型虽能复现人类效应的方向，却存在不同的错误模式与信度校准，项目代码已开源于 github.com/dengzhe-hou/CogBattery。