AgentWorld多Agent协作基准发布，最佳完成率52%

OpenAgents联合哥伦比亚大学、宾夕法尼亚大学、首尔国立大学和宾夕法尼亚州立大学的研究者发布AgentWorld基准，用于评估多个大语言模型驱动的Agent在持续变化环境中的分工、通信和资源交接能力。论文报告的四个主要模型实验中，主任务集上最高成功率为52.0%。 基准包含100个人工设计任务和100个增强变体，覆盖战斗、制作、采集、交易、探索、生存、建造和协调，提供13个高层API工具。研究在统一的提示模板、工具定义和交互协议下评估了Gemini 3 Flash、Claude Haiku 4.5、GPT-5 Mini和DeepSeek R1-70B。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。