斯坦福 CollabSkill 评测人机协作：Claude Code 登顶超越 Codex

斯坦福 NLP 组将在 COLM 会议首个口头报告环节展示 CollabSkill，一个评测真实职业任务中人机协作的框架。该框架把真实工作者与 AI agent 配对，任务匹配其职业背景的经济价值，并用贝叶斯技能评级系统把人类与 agent 的贡献分离量化，共 93 名工作者贡献 386 个工作会话和超 1500 条 prompt。