多智能体协作基准AgentWorld：最高成功率52%
OpenAgents 联合哥伦比亚大学、宾夕法尼亚大学、首尔大学和宾夕法尼亚州立大学的研究者发布 AgentWorld，一个面向多智能体协作能力的评测基准：把由大语言模型驱动的智能体团队放进 MMORPG 沙盒，用 100 个人工设计任务和 100 个增强变体考察分工、沟通与资源交接。在统一的提示、工具与交互协议下，Gemini 3 Flash、Claude Haiku 4.5、GPT-5 Mini 和 DeepSeek R1-70B 在主任务集上的成功率分别为 52.0%、45.0%、36.0% 和 20.0%，增强任务集最高为 26.0%。论文还提出 CCE（因果协作有效性）指标，回溯哪些行动与消息真正推动了共同目标完成。
它把「会不会协作」变成可测量的能力，提示多智能体系统的瓶颈可能不在单体能力，而在信息同步与任务交接。
个体能力强大的AI Agent正不断涌现。从编写代码、开发软件，到检索文献、辅助科学研究，它们能独立完成的工作越来越多。
但随着这些「超级个体」变得更强，一个同样重要的问题也浮现出来：它们能否合作？
回看人类社会，许多复杂成就都依赖一群人的分工与协作。假如我们要组建一家公司，制造火箭、登上月球，首先要考虑的，恐怕不是寻找一个无所不能的天才，而是如何组织一支团队：需要哪些专业人才，怎样分工，如何共享信息，又如何让不同环节的工作衔接起来。
从科学发现到大型工程，个体能力固然重要，组织和协作也决定了我们能够走多远。
这让我们开始思考：当大模型和Agent的个体能力持续增强时，它们的协作能力发展到了什么程度？面对一个共同目标，它们会不会主动交换信息、协调分工？当多个智能体一起工作时，能否真正发挥各自的优势，让复杂任务更容易完成？
#OpenAgents#Columbia University#University of Pennsylvania#Seoul National University#Penn State#AgentWorld#Gemini 3 Flash#Claude Haiku 4.5#GPT-5 Mini#DeepSeek R1-70B