1. 08:56
   新智元

   AgentWorld基准揭示多智能体协作短板：最强模型仅完成52%任务

   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。

当前热度 3·可比范围峰值 5（10月11日 09:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。