事件追踪追踪中
Anthropic发布多用户多智能体协作评测
首次报道 最新进展 1 篇报道，1 个来源
事件综述根据 1 篇报道整理，11月12日更新
Anthropic 发布多用户多智能体协作研究，并开源其中三个测试环境作为基准 MAMUBench，供他人检验智能体在多用户、多智能体系统中的协调与行为表现。 研究在四个模拟用户与日常任务的环境中测试了 Anthropic、OpenAI 和 Alibaba 的前沿模型。Anthropic 称，四个环境里由每个用户各自委派智能体的团队，结果都差于一个智能体服务所有人；Claude Opus 5 与 Claude Sonnet 5 的差距约为 10 至 45 个百分点。 该研究属于 Anthropic Fellows Program 的一部分，结论来自 Anthropic 自身的评测，尚未见独立复现。
综述由模型根据报道生成，细节以各篇原文为准。
进展时间线
北京时间，最早在上Anthropic：Alignment Science BlogAnthropic发布多用户多智能体协作评测
阅读这篇报道
全部报道
1 篇，点开看摘要Anthropic 研究多用户多智能体团队：各自代理不如单一协调者，并开放 MAMUBench
Anthropic 构建了四个模拟用户与日常任务的环境，测试 Anthropic、OpenAI 和 Alibaba 的前沿模型，发现四个环境中由每个用户各自委派智能体的团队结果都差于一个智能体服务所有人，Claude Opus 5 与 Claude Sonnet 5 的差距约为 10 至 45 个百分点。
阅读这篇报道