公众号 机器之心·· 11 天前精选
当 Agent 遇上「猪队友」：谷歌开源 CLASHarness，实测前沿大模型如何应对多 Agent 冲突场景
AI 导读
来自 Google 等多所高校的研究团队发布多智能体冲突基准 CLASHarness，覆盖 20 个真实领域、600 个多轮可执行冲突任务，代码与数据集已在 GitHub 开源（arXiv 2610.19128）。基准用三层八阶段生成管线保证任务 100% 可解，并把关键真值只渲染进 4K 截图，防止模型靠搜文本过关。对 15 个主流模型、9000 余条沙盒轨迹的评测显示，标准 20 步限制下 Claude Opus 5 与 GPT-5.6 Sol 通过率… AI Safety HOT (aisafetyhot.com), CC BY-NC 4.0 · 本地公开归档导入
推荐理由
用户指定的本地展示归档；未运行评分模型，未生成分数。
来源：公众号 机器之心 · mp.weixin.qq.com