arXiv · cs.AI· Shirley Anugrah Hayati, Patricia Anugrah Setiani, Ruizi Wang, Zhouyi Li, Khanh Chi Le, Young-Jun Lee, Dongyeop Kang·· 1 天前
Kolab：长时程工作流中的人机协作基准
Kolab: Benchmarking Human-Agent Collaboration in Long-Horizon Workflows
arXiv:2610.21109v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Shirley Anugrah Hayati, Patricia Anugrah Setiani, Ruizi Wang, Zhouyi Li, Khanh Chi Le, Young-Jun Lee, Dongyeop Kang
研究任务与主要进展
研究者发布Kolab数据集与基准，收集50名来自40种职业的专业人士与Agent协作完成长时程真实问题的115小时以上屏幕录制，并提供协作与输出质量判断。基准测试发现，前沿Agent和非Agent模型都高估与专家的协作效果，且难以区分高质量与低质量协作；增加工作流上下文也未稳定改善预测。基于论文摘要，Kolab为研究真实专业工作流中的人机协作提供了数据与评测入口。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org