CLASHarness评测多智能体冲突
AI 总结
由Google及六所大学组成的研究团队发布CLASHarness，用于评测15个模型在队友信息与系统证据冲突时的多模态表现。据新智元报道，该基准包含600个可执行任务、20个领域和高分辨率视觉证据，所有模型的端到端通过率均未超过30%，主动查证与任务交接仍是明显短板。生成管线、评测任务和交互式轨迹查看器已以开源形式提供。
深度见解
CLASHarness填补了现有Computer-Use基准对多智能体冲突关注不足的问题，重点检验模型能否核实冲突信息、修复系统状态并完成协作交接。
新智元 2026-10-31 20:32 北京
新智元报道
现在的AI Agent已经越来越多地被组队部署到写代码、云运维、财务对账和企业审批等真实工作流中。
但现有的Computer-Use基准（如OSWorld、WebArena）几乎都默认了一个理想前提：环境信息永远一致，所有队友Agent都百分之百靠谱。
真实场景显然不是这样。在多Agent协作中，子Agent经常会因为读了过期缓存而汇报错误状态，或者在文件锁和权限上跟主Agent撞车。
#CLASHarness#Google#Emory University#University of Southern California#University of Florida#University of Chicago#University of California, Santa Barbara#Columbia University