LLM多智能体协作基准出炉
j_foerst · x · 2026-07-14
这条转发介绍了一个新的多智能体基准：评估 13 个现代 LLM 在长时程、开放式世界里如何协作探索、沟通、交易资源、制作工具、建造结构并对抗怪物。
核心结果是：大多数 agent 表现都很弱，平均只有约 6% 的标准化回报；但在最难设置下，zero-shot Gemini 3.1 Pro 的表现与一个训练了 10 亿环境步的最佳 MARL agent 相当。
作者的结论是，协调能力本身就是独立瓶颈，不只是“能否完成长任务”的问题；在消融实验里，通信对结果影响最大。
所属事件:多项研究揭示LLM多智能体协作表现不佳(6 条相关)→
「模型」频道最新
- 网友发现 Claude 疑似上线专用翻译界面 — BLCNYY · 2026-10-26
- 用户实测 GrokBot:订机票、网购全被拦,几乎办不成事 — lucasmeijer · 2026-10-26
- 售卖机基准新观察：Sol 5.6 被指最激进、最常违约 — xuanalogue · 2026-10-26
- 爆料称 Fable 5.5 每周将发，博主泼冷水：本月无前沿新模型 — patience_cave · 2026-10-26
- 实测 abliterated 去审查模型翻车:模型反而关心起我的心理健康 — ryunuck · 2026-10-26
- OpenAI Decisions API 升级：单次可处理 400 个问题并新增语音与图像能力 — OpenAIDevs · 2026-10-26