Évaluation de l'alignement de l'âge cognitif chez les agents d'IA interactifs

Résumé

Bien que l'IA agentique et ses modèles de langage multimodaux de grande taille (MLLMs) aient démontré un potentiel remarquable en matière de raisonnement linguistique et visuel dans des domaines allant de la vie quotidienne à la recherche scientifique avancée, un fossé profond persiste entre l'intelligence artificielle et l'intelligence humaine. Malgré l'intégration d'outils puissants et de MLLMs avancés, les agents d'IA de pointe échouent fréquemment dans des tâches fondamentales et apparemment simples qu'un enfant peut résoudre avec aisance. Inspiré par l'Échelle d'intelligence de Wechsler pour enfants (WISC), nous introduisons ChildAgentEval, le premier benchmark interactif fondé sur la psychométrie pour évaluer l'alignement de l'âge cognitif dans les agents basés sur les MLLMs. ChildAgentEval compare systématiquement les performances de raisonnement de divers agents interactifs basés sur les MLLMs avec les stades de développement humain spécifiques à l'âge, révélant où les systèmes d'IA agentique actuels peuvent ou non simuler un comportement cognitif propre à un âge donné.

English

While agentic AI and its core multimodal large language models (MLLMs) have demonstrated remarkable promise in language and visual reasoning across domains ranging from daily life to advanced scientific research, a profound gap remains between artificial and human intelligence. Despite the integration of powerful tools and advanced MLLMs, state-of-the-art AI agents frequently fail at foundational, seemingly simple tasks that a child can resolve with ease. Inspired by the Wechsler Intelligence Scale for Children (WISC), we introduce ChildAgentEval, the first psychometrically grounded interactive benchmark for evaluating cognitive age alignment in MLLM-based agents. ChildAgentEval systematically compares the reasoning performance of various MLLM-based interactive agents against age-specific human developmental stages, exposing where current agentic AI systems can and cannot simulate age-specific cognitive behavior.