斯坦福发布 CollabSkill 人机协作评测框架

斯坦福 NLP 组提出 CollabSkill，一个评测真实职业任务中人机协作的框架。据 AGI Hunt 2026 年 10 月 6 日报道，该框架把真实工作者与 AI agent 配对，任务与其职业背景的经济价值相匹配，并用贝叶斯技能评级系统把人类与 agent 的贡献分离量化；共有 93 名工作者贡献 386 个工作会话和超 1500 条 prompt。该工作将在 COLM 会议首个口头报告环节展示。同一报道称，Claude Code 在评测中登顶，超越 Codex。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。