arXiv cs.AI· Chen Huang, Yiyang Zhang, Yuhao Wu, Yang Deng, Wenxuan Zhang·· 8 小时前AI 评分31
UnCoBench：LLM 多智能体协作中的不可靠同事基准测试
Beyond Perfect Teammates: Multi-Agent Collaboration with Unreliable Colleagues
AI 导读
研究者提出 Unreliable Colleagues Benchmark（UnCoBench），通过 Misaligned、Incomplete、Missed 三种设置评估 LLM 多智能体在不可靠协作下的鲁棒性。在十个模型上的测试显示，可靠场景下表现相近的模型对不可靠证据的鲁棒性差异明显，追踪分析发现模型常遗漏纠正性追问，恢复行为存在低效等待和冗余查询。数据与源码已公开。
来源：arXiv cs.AI · arxiv.org