MultiAgentBench: Evaluando la colaboración y competencia de agentes de LLM

Resumen del corpus

Se presenta MultiAgentBench, un benchmark diseñado para evaluar sistemas multi-agente basados en LLM en escenarios interactivos. El sistema mide la colaboración y competencia mediante indicadores clave de rendimiento basados en hitos. Se evalúan diferentes protocolos de coordinación y estrategias como la planificación cognitiva, encontrando que gpt-4o-mini obtiene la mejor puntuación y la estructura de grafo es la mejor entre los protocolos.

Periodista: Kunlun Zhu, Hongyi Du, Zhaochen Hong, Xiaocheng Yang, Shuyi Guo, Zhe Wang, Zhenhailong Wang, Cheng Qian, Xiangru Tang, Heng Ji, Jiaxuan You

Noticia original

Ver todas las noticias de arXiv Computer Science AI