新基准揭示LLM协作仍是瓶颈
weballergy · x · 2026-07-15
这条转发讨论了一篇新论文：作者用一个新的长时程开放世界基准，评估 13 个现代 LLM 代理在协作探索、沟通、交易资源、制作工具、建造和战斗等任务中的表现。
主要结论是：
- 大多数代理的协作能力仍然很弱，平均只有约 6% 的标准化回报。
- 在最难设置下，零样本 Gemini 3.1 Pro 的表现已经可以接近最强的 MARL 代理之一。
- 研究认为，协作本身是独立于长时程任务能力的瓶颈，而通信在消融实验中影响最大。
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)→
「编程与Agent」频道最新
- Agent Field Kit 上线：为生产级 Agent 提供 $29 起的安全应急手册 — alvelda · 2026-10-27
- 用去审查版 GLM 绕开 Claude 拒答： SS7 威胁建模工作流 — l4rz · 2026-10-27
- Cloudflare Durable Objects 被验证为 AI agent 高并发场景优选架构 — tristanbob · 2026-10-27
- GitHub Next 发布 Chopin:实时多人的 Agent 协作规划环境原型 — max__drake · 2026-10-27
- 开源项目 Veynod：给 AI 智能体搭一个共享协作工作区 — TKOWNS · 2026-10-27
- TMLR 论文：更强推理不等于更充分披露，Agent 思考越多未必告知越全 — SharonYixuanLi · 2026-10-27