OpenAgents等发布AgentWorld基准：最强模型多智能体协作任务成功率仅52%

OpenAgents联合哥伦比亚大学等机构发布AgentWorld基准，用于评测多智能体在长时程、角色不对称环境下的协作能力。实验显示Gemini 3 Flash驱动的团队在主任务集最高成功率为52.0%，且通信量增加并不必然提升协作质量。该研究提出因果协作有效性（CCE）指标，通过回溯贡献动作链来量化团队分工与信息同步的实际效果。