IT时代网11月12日消息，Anthropic Fellows Program 团队构建了四个多用户多智能体模拟环境，用来测试前沿模型在多智能体系统中的协调表现，并发布其中三个环境作为基准 MAMUBench。

这四个环境分别模拟共享 API token 预算、诊所日历、团体订餐或旅行预订、合并队列等日常任务，测试对象涵盖 Anthropic、OpenAI 和 Alibaba 的前沿模型。随着 AI 智能体能力增强、应用变广，它们之间需要相互交互的场景越来越多。

用户交给智能体的任务，往往要求它们与其他人的智能体共享资源，比如共享算力预算、共享代码库，或者一起凑钱点一份团体外卖。这类场景目前研究得还很少，因此团队搭建了带模拟用户和日常任务的环境加以考察。

研究重点在于揭示多用户、多智能体系统在共享资源时的协调失败模式。当每个用户各自委派自己的智能体、又必须协同完成同一目标时，协调难度会明显凸显。将三个环境作为基准发布，便于社区用它们复测智能体的协调能力。

打开网易新闻 查看精彩图片

注：本文配图由AI生成，文中包含AI辅助创作的内容。

编辑：林一舟