AgentWebBench 评测多智能体协作
XiongChenyan · x · 2026-07-11
一篇 ICML 2026 论文介绍了 AgentWebBench，作者称其是首个用于评估 multi-agent coordination 的 benchmark，场景设定在 Agentic Web。
论文设定的任务规模包括：
- 1 个 user agent + 100 个 content agents
- 1800 万篇文档
- 4 类任务
- 目标是让系统协调处理真实的网页查询
「研究」频道最新
- 医疗评测：Kimi K3 平 GPT-6，但疑难病例开源落后 17 个百分点 — keunwoochoi · 2026-10-27
- 健康专项榜单洗牌：综合第 9 的开源模型跃居 Health Index 第一 — keunwoochoi · 2026-10-27
- 开源编译器 Latch 从 PyTorch 生成训练 megakernel，H100 上提速 2.75 倍 — sguada · 2026-10-27
- Goodfire 投入 1000 万美元启动 AI 版「人类基因组计划」破解可解释性 — CatAstro_Piyush · 2026-10-27
- π0.5 实验：演示数从 10 增至 438，放球入碗成功率 7%→83% — stingning · 2026-10-27
- 灵巧操作基准 HandsOn 发布:66 个人工核验任务配 1.8 万条人类示范 — stingning · 2026-10-27