Kolab 基准：真人屏幕录像揭示 AI Agent 高估自身协作质量

明尼苏达大学团队在 Hugging Face 发布 Kolab 基准，用职业人士真实屏幕录像测试长时程人机 Agent 协作，发现前沿多模态 LLM Agent 系统性高估协作质量。这些 Agent 无法准确预测专家是否会采纳其贡献；基准提供 Agent Contribution 等三类指标及协作突发度等度量。