CogBattery评测54个开源模型认知行为

东北大学、Texas A&M等机构发布并开源CogBattery认知任务评测基准，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，包括n-back、决策和执行功能等，并与原始人类实验数据逐项对照。 评测结果显示，这些模型虽能复现部分人类效应的方向，但错误模式各异，信度校准也与人类表现存在差异。项目代码已在GitHub公开，供研究者复现和扩展评测。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。