斯坦福联合MIT、牛津发布协作智能基准：最强模型作为队友仅得82.2分

斯坦福联合MIT、牛津发布Collaborative Intelligence Benchmark，通过240个任务和8个团队合作维度衡量AI Agent作为队友的表现。评测18个闭源与开源权重模型显示，最佳模型仅得82.2/100；模型能拒绝不安全捷径，但在人际压力下可能妥协并难以达成最优整体方案。