arXiv · cs.AI· Yuhang Fu, Ruishan Fang, Jiaqi Shao, Huiyu Zheng, Zhengtao Zhu, Bing Luo, Zhenyu Wen, Tao Lin·· 5 小时前
BenchAgent比较六种LLM多智能体工作流的准确率与成本
Do More Agents Help? Evaluating Accuracy and Cost in LLM Multi-Agent Workflows
arXiv:2606.05670v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yuhang Fu, Ruishan Fang, Jiaqi Shao, Huiyu Zheng, Zhengtao Zhu, Bing Luo, Zhenyu Wen, Tao Lin
研究任务与主要进展
作者提出BenchAgent评估框架，并基于论文摘要比较六种使用GPT-4.1的多智能体工作流与单智能体基线Core在十项推理、编码和工具使用基准上的表现。每个配置每次运行评估3,302个实例并重复三次；EvoAgent平均汇总准确率为79.70%，高于Core的76.65%，且三次运行均领先，其余五种低1.71至8.76个百分点。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org