Anthropic 发布 MAMUBench 基准测试

Anthropic 发布了名为 MAMUBench 的多智能体协调基准测试及研究论文，旨在评估模型在多用户场景下的表现。该基准包含共享 API 预算、诊所日程、团体订餐等环境，供外界测试智能体的协调能力。 研究显示，在 MAMUBench 设定的环境中，由单一协调智能体服务所有用户的整体结果，优于每个用户各自委派智能体组成的点对点团队。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。