GPTNT：在 Keep Talking And Nobody Explodes 上对多模态智能体实时协作进行性能比较》

GPTNT: Benchmarking Real-Time Collaboration Between Multimodal Agents on Keep Talking And Nobody Explodes

GPTNT 基准测试在《Keep Talking And Nobody Explodes》游戏中评估多模体智能体实时协作能力，结果显示所有测试的开源及闭源模型均未在倒计时内成功拆除炸弹。该基准基于游戏机制构建，要求两名智能体分别持有炸弹和拆弹指令，必须在无轮替限制、信息不对称和时间压力的条件下进行异步实时沟通。研究通过控制实验发现，现有模型在状态跟踪、时间预算内的行动效率、歧义处理及错误恢复方面存在关键弱点。GPTNT 利用游戏程序化生成特性及活跃模组社区，确保基准随模型能力提升而持续演化，避免被一次性破解。