⌘ K
… 读取采集状态 同步中...
雷
原文
新智元· 新智元·· 3 天前AI 评分56

AgentWorld基准揭示多智能体协作短板:最强模型仅完成52%任务

Agent组队干活,最强模型只完成50%任务!基准评测协作能力

AI 导读

OpenAgents、哥大等机构发布多智能体协作评测基准AgentWorld,采用RPG环境测试长时程分工能力。评测显示最强模型Gemini 3 Flash在主任务集成功率为52.0%,部分成功率达71.5%,且通信量与成功率无正相关。论文提出CCE指标,通过回溯因果链分析具体行动对任务成功的贡献占比,以量化团队有效协作程度。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:新智元 · mp.weixin.qq.com