AgentWorld发布：评估多智能体LLM长程协作能力

发生了什么

据Hugging Face Papers报道，AgentWorld基准测试发布，用于评估多智能体LLM的长程协作能力及因果指标。该基准包含100个MMORPG任务，要求3-20个具有不对称角色和能力的智能体在黑盒设置下进行协调。实验显示，即使最佳模型任务成功率仅为52.0%，存在沟通中断等系统性失败模式。