UT Austin 发布 ParallACT 基准：Opus 4.8 多智能体并行成功率仅 16%
EliasEskin · x · 2026-11-04
UT Austin 团队（Rishabh Mediratta、Lingyun Xiao、Peter Stone、Joydeep Biswas、Elias Stengel-Eskin，合作 NVIDIA）发布 ParallACT 基准，首次系统研究「多委托人」多智能体场景：大型 monorepo 里多个开发者各自向 agent 提独立任务，任务可能冲突且 agent 互不知情——这与现有把单一请求拆分给并行 agent 的多智能体基准有本质区别。
核心发现
- 并行 agent 大幅劣于单 agent：矛盾任务上，拿到两个任务的单一 agent 成功率 62%，两个并行 agent 仅 16%（差距 46 个百分点）；Opus 4.8 互补任务 86%→57%，开源模型平均 60%→19%。即使各半部分都能通过测试，合并后代码仍可能失败。
- 通信帮助小、代价大：最好的消息通道把成功率提到 32%，但 token 消耗是 oracle 的 2.23 倍；仅告知对方存在几乎无用（16%→26%）。
- agent 会说话但不会听：88% 的矛盾对话讨论了共享代码、59% 达成具体协议，但只有 21-23% 的消息在对方开始改代码前被读，约 1/3 从未被读；达成一致后仍有 61% 的运行以 merge conflict 收场。
- 串行 A→B 交接能恢复大部分差距（16%→54%），但扩展到上百 agent 时会形成中心化瓶颈，不可扩展。
结论：多智能体瓶颈不在「说什么」而在「何时倾听、如何执行」，去中心化多委托人协调仍是前沿模型的硬伤。
所属事件:UT Austin 发布 ParallACT 基准：并行多智能体成功率暴跌至 16%(9 条相关)→
「编程与Agent」频道最新
- 用 tldraw 搞了个 GhostDraw：手绘草图直接变成应用流程图 — Dhananjay_Tech · 2026-11-04
- CoworkOS 开源：三层协作 Agent 框架，Qwen3.6 自训练提升 9.76 分 — KyeGomezB · 2026-11-04
- NeurIPS 论文 DOLORES:免训练让 8B 模型击败同家族 32B — StellaLisy · 2026-11-04
- Berkeley 团队开源 StarTrail:深研检索基础设施与论文搜索工具包 — CShorten30 · 2026-11-04
- 基于 Claude Code 的 AI 求职框架爆火，GitHub 斩获 6.93 万星 — adnan_hashmi · 2026-11-04
- 港中深推出 DuplexAgent-RSI：语音助手可中断旧任务异步执行新指令 — jiqizhixin · 2026-11-04