arXiv · AI· Chen Huang, Yiyang Zhang, Yuhao Wu, Yang Deng, Wenxuan Zhang·· 2026-10-14AI 评分33
UnCoBench:测试 LLM 多智能体与不可靠同事协作的基准
Beyond Perfect Teammates: Multi-Agent Collaboration with Unreliable Colleagues
AI 导读
针对 LLM 多智能体协作中“完美同事”假设的缺陷,研究者推出了 UnCoBench 基准。该基准将行为失败划分为偏离、不完整和缺失三种设定,要求主智能体验证上下文正确性并诊断信息缺口。 测试覆盖十个模型,结果显示即使在可靠设定下表现相似,模型在不可靠证据下的鲁棒性也存在差异。trace 分析表明,当前模型在纠正后续步骤、高效等待及减少冗余查询方面仍有不足。
来源:arXiv · AI · arxiv.org