**AgentWorld：评估多智能体长程协作能力的基准测试**

_AgentWorld: Benchmarking Long-Horizon Collaboration of Multi-agent LLMs_

> AgentWorld 是一个包含 100 个人工标注任务的多智能体协作基准，旨在评估 LLM 智能体在长程（50+ 轮交互）、非对称角色及黑盒环境下的真实协作能力。该基准引入了基于因果依赖的“因果协作有效性”（CCE）指标，以量化团队贡献。实验显示，即使是最先进的模型任务成功率也仅为 52.0%，主要失败模式包括沟通中断、角色混淆及共享计划维护失败。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-28 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.31590)