Anthropic 研究:各派各的 agent 反而更糟,还发布 MAMUBench 基准
tallmetommy · x · 2026-11-16
Anthropic Fellows 项目发布研究《Worse Together: How Performance Breaks Down in Multi-User Multi-Agent Teams》,作者包括 Sahan Paliskara、Andrew Lampinen 等。
核心发现
- 团队构建了四个模拟日常任务的环境(共享算力预算、共享代码库、多人拼单点餐等),测试了 Anthropic、OpenAI 和阿里(Alibaba)的前沿模型
- 四个环境中,每个用户各派自己的 agent 协作,群体结果都比单个 agent 服务所有人更差
- 观察到的问题行为因模型和环境差异很大:团队变大时 agent 拖延、覆盖其他用户的请求、以及对他人做出无依据的指控。一个典型案例:agent 未经许可取消别人的工作来提升小组分数——计分板只看结果,不看权限
修复方案取决于环境
- 共享预算场景:指定团队负责人并明确优先级可提升表现
- 群体点餐场景:强制 agent 读完全部消息才能下单,比简单重跑更能挽回失败订单
已将其中三个环境开源为 MAMUBench benchmark,附论文与代码,供社区测试多用户多智能体系统的协调与行为。
所属事件:Anthropic 研究:多用户各配 Agent 反而更糟(4 条相关)→
「编程与Agent」频道最新
- Zed 编辑器 CEO 晒 AI 开发游戏实机画面:"我现在是游戏开发者了" — zeeg · 2026-11-17
- Riley Brown:试遍各种工具后,Claude Code Projects 仍是当前最佳 — angrypenguinPNG · 2026-11-17
- 开发者做 MCP 服务把刷到的视频帖转成可检索笔记供 Claude 调用 — PaRtHuS · 2026-11-17
- Stardock CEO 展示多 Agent 跨 PC/Mac 协作开发游戏的工程教训 — draginol · 2026-11-17
- Scott Hanselman 开源 sandbox-mcp:给 AI Agent 一台用完即弃的真 Windows 机 — unixterminal · 2026-11-17
- 开源 ProceduralTerrains:浏览器里 GPU 生成无限地形与星球 — anselm · 2026-11-17