**CogBattery：首个基于人类参考的认知任务行为评估框架**

_CogBattery: Human-Referenced Evaluation of Cognitive Task Behavior and Structure in Language Models_

> CogBattery 通过 13 种认知范式评估了 54 个开源语言模型，揭示了模型行为与人类存在本质差异：尽管模型能复现人类对特定线索的反应方向，但在普通非目标项上产生更多错误，且置信度判断远不如人类准确。研究指出，单纯匹配人类效应方向并不等同于具备类人行为，该框架为未来模型测试提供了关键的人类参考基准。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-11-12 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.24999)