算法论文8

最强AI Agent团队仅完成半数协作任务

InfoQ2026-10-10

AI 摘要

多国研究者推出多智能体长时程协作评测基准AgentWorld，测试显示当前最强大模型驱动的Agent团队主任务成功率仅52%，聊天多不代表协作质量好，还提出CCE指标量化协作贡献。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

OpenAI发722篇数学成果搅乱学界

OpenAI公开722篇由内部未发布前沿模型生成的数学成果，覆盖多数学方向，部分附带形式化证明，发布后引发数学界巨大冲击，消化验证需数年，不少青年学者研究项目遭毁灭性打击，本文梳理各方反应与争议。

外媒爆料谷歌下一代Gemini 4模型Carbon已进入内部测试，性能逼近Anthropic Opus 5.5，核心进展来自递归自我提升RSI技术，业内对谷歌拖沓的发布策略争议不断。

本文介绍Google Cloud推出的Gemini agent，面向企业工作流的智能体产品，支持跨多模型调度，AI可拥有独立企业身份，可接入多款企业常用工具，解决企业部署AI的权限、审计痛点。

本文为豆包Doubao-Seed-2.1-pro-0915新版本实测内容，展示该模型的多模态编程能力，以生成鱼类识别微信小程序为例，给出基准测试成绩，介绍其适用开发场景。