AgentWorld 基准发布：测试多智能体长程协作能力
一个新的多智能体协作基准，用 MMORPG 沙盒逼模型跑 50 多轮团队任务，Gemini 3 Flash 也只拿到 52% 成功率，能看清现在模型协作到底差在哪。
#DeepSeek R1-70B
共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「DeepSeek R1-70B」标签的资讯、产品与论文，按刊登时间排，新的在上。
9月28日
一个新的多智能体协作基准，用 MMORPG 沙盒逼模型跑 50 多轮团队任务，Gemini 3 Flash 也只拿到 52% 成功率，能看清现在模型协作到底差在哪。