
Agent组队干活,最强模型只完成50%任务!基准评测协作能力 (opens in a new tab)
OpenAgents、哥伦比亚大学等研究者构建多智能体协作评测基准AgentWorld,评测显示主任务最高完整成功率为Gemini 3 Flash的52.0%,并提出CCE指标分析协作贡献。
Total 17 articles

OpenAgents、哥伦比亚大学等研究者构建多智能体协作评测基准AgentWorld,评测显示主任务最高完整成功率为Gemini 3 Flash的52.0%,并提出CCE指标分析协作贡献。

多智能体协作对于解决复杂问题虽然具有巨大优势,但是其架构本质上易出现错误传播,因为由不正确的工作流生成或单智能体幻觉输出引起的错误会沿着协作链蔓延,影响最终结果。

在长周期、多步骤的协作任务中,传统单智能体往往面临着任务成功率随步骤长度快速衰减,错误级联导致容错率极低等问题。

李笛携原小冰核心团队创立新公司“明日新程”(Nextie),聚焦群体智能与认知大模型,推出内测产品“团子”,通过多智能体协作提升AI认知能力,计划2026年1月7日上线。奇绩创坛参与投资。

BitMiracle AI Lab 介绍科研智能体协作生成并检查 Lean 证明的过程,研究针对全局吸引子猜想中满足细致平衡的一类情形。报道同时讨论云端科研环境与多智能体分工,不意味着所有化学反应问题均已解决。

让 Agent 上网查资料,已经不算新鲜事。

Daishudi uses third-party agent tool Mirasim for editing, 3D creation and project changes, then explores sessions and orchestration. Costs, model identities and discounts are author reports; output quality cannot verify model provenance or continued availability.

Ethan Mollick describes repeated themes, expanding rules and subsequent adjustments in Fable 5.2 multi-team creation. He argues long-running execution still needs human judgment about work quality, purpose and when to stop.

openJiuwen 解读 HyperAgent 的八项特征与 AgentOS 分层,介绍持久状态、多智能体协作和分布式运行,并区分已实现能力与后续架构方向。

报道让 Claude 与 ChatGPT 分别负责撰稿和审阅,记录团队分派、异步执行和人工验收,并介绍 LobeHub 内部跟进代码变更的案例。