★ 3OEB：从智能体记录评估认知过程论文提出 OEB 基准方法，仅读取智能体的执行记录、不依赖参考答案或结果分数，评估其假设形成、检验与修正的认知过程。OEB 将记录编译为认知事件图，检验「文字陈述」与「实际执行证据」是否一致。在三个基准的 119 次运行中，智能体声称的改进仅 16-29% 为真，且人格特质读数更多由模型而非任务决…arXiv cs.AI28 天前