跳到正文
热点事件持续更新

发布MultiAgentBench多智能体评测基准

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Kunlun Zhu 等研究者在 arXiv 发布评测基准论文 MultiAgentBench(arXiv:2503.01935 v2),用于评估基于 LLM 的多智能体系统在多样化交互场景中的协作与竞争表现,代码和数据集已公开。 该基准采用基于里程碑的关键绩效指标,测试覆盖星形、链式、树形和图等协调拓扑,以及群体讨论、认知规划等策略。论文结果显示 gpt-4o-mini 获得平均最高任务分,图结构在研究场景中表现最佳,认知规划将里程碑达成率提升 3%。

AI 根据报道生成 · 43 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv cs.AI
    MultiAgentBench:评估 LLM 智能体的协作与竞争

    研究者推出 MultiAgentBench,一个评估 LLM 多智能体系统在多样化交互场景中协作与竞争表现的基准,采用基于里程碑的关键绩效指标。测试涵盖星形、链式、树形和图等协调拓扑以及群体讨论、认知规划等策略。结果显示 gpt-4o-mini 获得平均最高任务分,图结构在研究场景中表现最佳,认知规划将里程碑达成率提升 3%,代码与数据集已公开。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。