social-reasoning-bench：微软的多方环境Agent社会推理评测基准

微软在GitHub发布social-reasoning-bench，将Agent的社会推理与行为作为独立评测对象。与传统单轮能力测试不同，该基准把Agent置于多方环境中，考察其对他方意图、立场与互动结果的处理表现，可补充现有Agent评测偏重工具调用的不足。仓库于2026年4月下旬创建，任务构成与评分方式以仓库后续公开内容为准。