Agentic Cognitive Depth：评估 LLM 智能体的可操作标准

研究提出了用于评估 LLM 智能体的“智能体认知深度”（Agentic Cognitive Depth）框架，以弥补仅依赖端到端任务成功率的局限。该框架在轨迹层面定义了语境敏感性（C）、时间连续性（T）、多模态协同（M）、自适应交互（A）与元认知监控（Mc）五项操作标准及微扰流程。该结构可直接扩展 GAIA、SWE-bench、WebArena 和 TRIP-Bench 等评测基准以实现逐项诊断。