Salesforce发布多智能体协作评测基准

Salesforce AI Research发布A²-Bench，用于评测跨边界协作的多智能体系统，并开源论文、代码和数据集。基准通过约500个场景覆盖合作、混合动机与竞争三类设定，涉及法律审查、CRM、风险管理、企业SQL请求等8个领域。 各智能体拥有独立沙箱、私有数据和工具，分别代表个人或组织委托人，只能通过消息协作。团队依据2500余次运行提出A²-Failures，将失败归纳为4大类共20种模式，并同时评估任务完成度及智能体是否遵守委托人指令、保护其利益和保守机密。

AI 根据报道生成 · 40 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。