Salesforce 发布 A²-Bench：500 场景拆解多智能体协作的 20 种失败模式
mohitban47 · x · 2026-11-13
Salesforce AI Research 发布 A²-Bench，专门评测「跨边界协作」的多智能体系统：每个 agent 拥有独立沙箱、私有数据与工具，并代表各自的委托人（个人或组织），只能通过消息交换信息。
核心内容
- 约 500 个多智能体场景，覆盖合作、混合动机与竞争三类设定，横跨法律审查、CRM、风险管理、企业 SQL 数据请求、软件工程、安全事件响应、电商、合同谈判 8 个领域
- 基于 2500+ 次运行归纳出 A²-Failures 分类法：4 大类别共 20 种失败模式（发现、定位、验证、行为与忠诚度）
- 评测同时衡量任务完成度与「忠诚度」：agent 是否遵守委托人的指令、保护其利益并保守机密
- 开源了论文、代码与数据集
「编程与Agent」频道最新
- kalomaze 吐槽 agent 记忆文件：历史失败笔记在不相关场景反而添乱 — kalomaze · 2026-11-13
- 设计师用 Opus 5.5 驱动 Agent 做动效：留言迭代+关键帧微调 — ycombinator · 2026-11-13
- Agent 代码 slop 蔓延：重写已有库代码，质量全面劣于人类方案 — a1zhang · 2026-11-13
- 开发者晒 AI 用量排行榜:30 天烧掉 1256 亿 tokens、3 万美元 — jasonkneen · 2026-11-13
- Opus 一分钟组建全球智能体蜂群，互相发现自动组网 — teortaxesTex · 2026-11-13
- Superconductor 推出跨项目私人助手：可查工单、拉会话、直接开工 — sergeykarayev · 2026-11-13