AgentWorld：評估長期多代理 LLM 協作的基準測試
為何重要
AgentWorld 揭示出即使是頂尖的 LLM 在多代理協作中也表現落後（成功率僅 52%），主要受制於溝通中斷與長期計畫維護的困難，這將嚴重影響具備自主能力的 AI Agents 在生成式工作流中的實用性。開發者應致力於最佳化通訊協議與持久化記憶機制，而此基準將成為衡量模型實戰協作潛力的關鍵指標。
現有的多代理檢驗多著重短期的競爭或單體表現，無法真實反映模型間的合作能力；「AgentWorld」基準試圖填補此缺口，在模擬大型多人線上角色扮演遊戲（MMORPG）的環境中，評估長期且需共享資源的複雜協作。