arXiv · AI· Yuhang Fu, Ruishan Fang, Jiaqi Shao, Huiyu Zheng, Zhengtao Zhu, Bing Luo, Zhenyu Wen, Tao Lin·· 2026-10-12AI 评分40
BenchAgent 评估多智能体 LLM 工作流的准确性与成本
Do More Agents Help? Evaluating Accuracy and Cost in LLM Multi-Agent Workflows
AI 导读
BenchAgent 框架对比了六类多智能体工作流与单智能体核心基准,结果显示 EvoAgent 平均精度达 79.70%,超越核心的 76.65%。 其余五类配置落后 1.71-8.76 个百分点;LLM-Debate 在 HumanEval 上高出 9.67 分,但 token 消耗量为核心基准的 1.39 倍。
来源:arXiv · AI · arxiv.org