MultiAgentBench

协作与竞争

MultiAgentBench 通过 MARBLE 的交互环境评估 LLM 团队，涵盖研究、编程、数据库工作、社会互动、Minecraft 和狼人杀。它同时测量任务结果，以及基于里程碑的协作和竞争指标，让中间协调过程可见，而不是将整个运行简化为最终答案。

结构很重要

基准比较了星形、链式、树形与图通信结构，以及小组讨论和认知规划。这使 Agent 之间的连接和协调策略，成为明确的实验选择。

发现依赖于场景。例如，论文报告图结构协调在研究场景中表现最好；这并不意味着某一种拓扑总是最好，也不意味着增加 Agent 必然改善表现。

论文与贡献

Hongyi Du 是核心贡献者和共同第一作者，工作包括 Werewolf Arena 与心智理论评估。本简介依据发表于 ACL 2025 的 MultiAgentBench: Evaluating the Collaboration and Competition of LLM Agents，以及其贡献附录。MARBLE 包含代码与数据集。