多Agent冲突场景大模型实测

1. 21:30
   北京智源研究院精选

   多Agent冲突场景大模型实测

   15个主流大模型在CLASHarness多Agent冲突基准测试中，端到端任务通过率无一突破30%，但单项步骤平均得分达60%左右。强模型能主动看图查证，弱模型易盲信队友文字，且在动手修改和收尾环节表现不佳

当前热度 3·可比范围峰值 10（11月1日 23:00）·近 24 小时可比范围变化 -51%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。