arXiv cs.AI· Yuhang Fu, Ruishan Fang, Jiaqi Shao, Huiyu Zheng, Zhengtao Zhu, Bing Luo, Zhenyu Wen, Tao Lin·· 5 小时前AI 评分38
多智能体真能提升准确率吗？BenchAgent 框架评测 LLM 多智能体工作流的准确率与成本
Do More Agents Help? Evaluating Accuracy and Cost in LLM Multi-Agent Workflows
AI 导读
BenchAgent 框架在十项推理、编码与工具使用基准上对比六种多智能体工作流与单智能体基线 BenchAgent Core，全部使用 GPT-4.1。EvoAgent 平均池化准确率达 79.70%，高于 Core 的 76.65%，且三次运行均领先；其余五种配置落后 Core 1.71 至 8.76 个百分点。
来源：arXiv cs.AI · arxiv.org