時刻新聞
黎德龍
朱昆侖是伊利諾伊大學香檳分校（UIUC）計算機科學系的研究生，現(xiàn)隸屬于Ulab與BlenderLab，曾在斯坦福大學、卡內(nèi)基梅隆大學（CMU）與蒙特利爾學習算法研究所（Mila）進行學術訪問。他的研究方向包括大語言模型（LLM）智能體、多智能體系統(tǒng)、AI科學家與工具學習等，在ICML、ICLR、ACL、TMLR等頂級會議與期刊發(fā)表論文10余篇，總引用超過1500次。他積極參與多個廣泛影響的開源項目，包括OpenManus(RL)、ChatDev（MACNET）、ToolBench等，累計在GitHub上獲得超過5萬+stars。此外，他曾受邀在AMD開發(fā)者大會、阿里巴巴云棲大會等重要學術與工業(yè)會議中作報告，分享其在AI智能體方面的開源成果。
我們正在見證一個全新的時代：AI的浪潮從強大的「個體」奔涌向復雜的「團隊」，它們像人類團隊一樣協(xié)作開發(fā)軟件、進行科學研究，甚至在虛擬世界中展開激烈的策略對抗。
然而，一個問題也隨之浮出水面：我們?nèi)绾闻袛噙@些AI團隊是「三個臭皮匠，賽過諸葛亮」，還是「三個和尚沒水喝」？
現(xiàn)有的評測基準，如AgentBench、GAIA等，大多聚焦于單個智能體的推理和工具使用能力，卻無法衡量多智能體系統(tǒng)內(nèi)部至關重要的協(xié)作效率、溝通質(zhì)量和競爭策略。這在AI能力評估領域，形成了一個巨大的「盲區(qū)」。
為了填補這一空白，來自伊利諾伊大學厄巴納-香檳分校的研究者們，近日推出了MultiAgentBench。該成果近日被自然語言處理頂級會議ACL2025主會正式接收。
論文標題：MultiAgentBench：EvaluatingtheCollaborationandCompetitionofLLMagents
代碼鏈接：https://github.com/Ulab-UIUC/MARBLE
這不僅是一個評測集，更是首個能夠全面、系統(tǒng)化地評估LLM多智能體系統(tǒng)協(xié)作與競爭能力的綜合性基準。它不僅僅是一套「考題」，而更像一個「模擬真實社會動態(tài)的實驗室」，旨在揭示多智能體協(xié)作的奧秘，并回答一系列關鍵問題：
智能體的能力與協(xié)作，哪個更重要？
AI團隊采用哪種組織架構和協(xié)作策略效率最高？
當AI被賦予共同或者沖突的目標時，它們會演化出怎樣的社會行為？
……
圖1：MultiAgentBench評估流程概覽
MARBLE的主要貢獻包括：
提出了MultiAgentBench這一綜合性基準，在六種多樣化交互場景中評估基于LLM的多智能體系統(tǒng)的協(xié)作與競爭。
提出了創(chuàng)新的評估指標：不僅評估任務的完成質(zhì)量，還衡量智能體的協(xié)作、規(guī)劃與溝通的質(zhì)量。
揭示了多智能體協(xié)作中的一些「頓悟時刻」——智能體開始展現(xiàn)出涌現(xiàn)的社會行為，為實現(xiàn)類AGI級別的協(xié)作帶來了有希望的啟示。
研究結果揭示了幾個關鍵結論：在眾多模型中，gpt-4o-mini展現(xiàn)出最強的綜合任務能力；在協(xié)作模式上，「圖結構」的去中心化協(xié)作模式效率最高；而在規(guī)劃策略上，相比于「小組討論」等規(guī)劃方法，「認知自演化規(guī)劃」方法能有效提升任務達成率。更重要的是，實驗觀察到了智能體在復雜博弈中自發(fā)產(chǎn)生的「社會智慧」。
圖2：MARBLE核心框架設計展示
框架設計
MultiAgentBench的核心在于其背后的協(xié)作引擎MARBLE(Multi-agentcoordinationBackbonewithLLMEngine)。它將評測重點從單個智能體能力拓展到智能體之間的關系動態(tài)與組織結構，使研究者能夠系統(tǒng)性分析多智能體協(xié)作和對抗過程中的效率與行為模式。在多智能體系統(tǒng)中，如何高效組織和協(xié)作，可能與個體能力同樣重要。
圖2展示了MARBLE的整體架構，其中包含三個核心模塊：
協(xié)作引擎
協(xié)作引擎作為整個系統(tǒng)的大腦中樞，負責整合并調(diào)度所有模塊，明確區(qū)分「規(guī)劃者」(Planners)和「執(zhí)行者」(Actors)的角色。這種分工幫助實現(xiàn)從整體規(guī)劃到具體執(zhí)行的順暢銜接，使評測能夠更好地觀測協(xié)作效率與執(zhí)行效果。
智能體圖
智能體圖模塊不僅記錄智能體是誰，還通過(agent1,關系,agent2)的三元組形式，建立起智能體之間的關系網(wǎng)絡，包括「協(xié)作」、「監(jiān)督」等。這種結構化關系使得智能體之間的互動具有可控性和方向性，更接近真實團隊中的組織架構。
認知模塊
認知模塊為每個智能體提供個性化信息、獨立的記憶，以及多樣化的推理方式，使其能夠根據(jù)上下文和交互過程靈活調(diào)整策略，而非簡單執(zhí)行固定指令。這一設計使智能體在多智能體環(huán)境中展現(xiàn)出更具適應性和靈活度的行為，為研究智能體間協(xié)作與互動提供了支持。
交互策略與環(huán)境
圖3：(a)協(xié)作協(xié)議（如星型、樹型、圖結構與鏈式）；(b)規(guī)劃策略。
交互策略
MARBLE框架內(nèi)置了四種協(xié)作協(xié)議，如圖3所示，包括中心化協(xié)議（星型、樹型）與去中心化協(xié)議（圖型、鏈型），來模擬現(xiàn)實世界中典型的團隊協(xié)作模式。
評測場景
MultiAgentBench設計了六個覆蓋不同領域的評測場景，全面模擬了從團隊合作到利益沖突的各種應用環(huán)境：
共同目標：
科研(Research)：AI科學家團隊，合作撰寫研究報告。
我的世界(Minecraft)：AI游戲團隊，合作完成游戲目標。
數(shù)據(jù)庫(Database)：AI數(shù)據(jù)庫工程師團隊，合作完成數(shù)據(jù)庫開發(fā)項目。
編程(Coding)：AI軟件工程師團隊，合作完成軟件工程開發(fā)項目。
沖突目標：
狼人殺(Werewolf)：模擬狼人殺游戲。AI智能體需要進行欺騙和偽裝來獲得游戲勝利。
談判(Bargaining)：模擬真實的商業(yè)談判場景。AI智能體需要在資源有限的情況下，通過策略性的讓步、聯(lián)盟或施壓，為自己爭取最大的利益。
評價指標
圖4：基準創(chuàng)建過程及動態(tài)里程碑檢測機制。
任務完成度
基于里程碑的KPI(Milestone-basedKPI)：這是MultiAgentBench評測體系的一大亮點。它不再將任務視為一個整體，而是將其分解為一系列關鍵的「里程碑」（例如，在科研任務中，「完成5個關鍵問題的定義」或「對上一版提案進行實質(zhì)性改進」）。系統(tǒng)通過一個LLM裁判，動態(tài)地檢測團隊是否達成了這些里程碑，并自動記錄做出核心貢獻的智能體。
任務得分(TaskScore，以下簡稱TS)：這是對多智能體系統(tǒng)最終產(chǎn)出質(zhì)量的綜合評分，會根據(jù)任務類型（如科研、編程、游戲勝負）采用不同的評價標準。
協(xié)作質(zhì)量
這是對團隊「軟實力」的量化評估，由兩個核心分數(shù)構成：
溝通分數(shù)(Communicationscore)：評估團隊內(nèi)部溝通的效率、清晰度以及信息的有效傳遞。
規(guī)劃分數(shù)(Planningscore)：評估任務分配的合理性、角色維護的一致性以及戰(zhàn)略的連貫性。
協(xié)作總分(CoordinationScore,以下簡稱CS)：上述兩者的平均值，直觀地反映了團隊的整體協(xié)作水平。
實驗結論
高效的協(xié)作≠優(yōu)異的成果，個體能力是基石
表1：Minecraft、Database、Coding、Bargaining與Werewolf五個場景中的平均TS與協(xié)作CS。在三個任務場景中，均為同一模型同時取得最高TS與CS，表明CS是衡量TS的良好指標。
溝通順暢、配合默契的AI團隊是否就能更加高質(zhì)量地完成任務？直覺告訴我們「是的」，但實驗數(shù)據(jù)（如表1所示）卻指出——在多智能體系統(tǒng)中，協(xié)作與個體能力并非總能齊頭并進。
例如，在Minecraft任務中，Meta-Llama-3.1-70B模型展現(xiàn)出了高達75.00的CS，但其最終的TS僅為0.21。協(xié)作分高，意味著智能體之間在頻繁、清晰地溝通，并嚴格遵循著既定規(guī)劃。但如果單個智能體的某項執(zhí)行能力存在根本性缺陷，那么再完美的溝通和規(guī)劃，也是空中樓閣。
這表明，在當前階段，多智能體系統(tǒng)的性能瓶頸首先在于單個智能體的核心能力。協(xié)作是能力的「放大器」，而非能力的「替代品」。
AI團隊的「組織內(nèi)耗」：警惕冗余層級與無效討論
圖5：不同協(xié)作協(xié)議在多種評估指標下的表現(xiàn)。
圖6：不同規(guī)劃提示策略下研究任務的平均指標。認知自演化規(guī)劃在CS上表現(xiàn)最佳。
如圖5所示，在四種協(xié)作協(xié)議中，圖結構這種允許所有智能體自由溝通、并行協(xié)作的模式，在任務得分、規(guī)劃質(zhì)量和效率上全面占優(yōu)，緊隨其后的是星型，而表現(xiàn)最差的是樹型結構，其層級過多的設計，導致溝通成本和信息損耗急劇增加，任務得分和協(xié)作分均為最低。這表明，對于需要復雜協(xié)作的任務，扁平、去中心化的組織架構比層級結構更有效。
如圖6所示，一個反直覺的結論出現(xiàn)了：讓多個AI規(guī)劃師進行「小組討論」，效果竟是所有策略中最差的。這或許說明，當前階段的AI的小組討論不僅沒能集思廣益，反而可能陷入「集體降智」。與之形成對比的是，進行「認知自演化規(guī)劃」的智能體表現(xiàn)出最佳的協(xié)作能力。這種策略的核心在于「復盤」——從過去的成敗中學習，動態(tài)調(diào)整策略，實現(xiàn)持續(xù)進化。對于AI團隊而言，一個懂得自我迭代和反思的「大腦」，比一場七嘴八舌的「頭腦風暴」更加寶貴。
AI團隊的「林格曼效應」
圖7：不同智能體數(shù)量對KPI、CS與TS的影響。
在探究團隊規(guī)模的影響時，實驗發(fā)現(xiàn)，將智能體數(shù)量從1個增加到3個時，協(xié)作分數(shù)和任務分數(shù)得到了提升。然而，當繼續(xù)增加智能體數(shù)量時，整體的KPI反而開始下降。
這一現(xiàn)象與組織行為學中的「林格曼效應」（團隊規(guī)模越大，個體貢獻越傾向于減少）高度吻合。團隊規(guī)模的擴大并非簡單的「人多力量大」，這意味著，未來構建大規(guī)模AI智能體系統(tǒng)的關鍵，將是如何設計出高效、低開銷的協(xié)作機制，以克服規(guī)模擴張帶來的內(nèi)在復雜性。
「Aha-Moments」：當AI開始展現(xiàn)社會智慧
MultiAgentBench最重要的發(fā)現(xiàn)，或許是在「狼人殺」和「談判」這類競爭性場景中，觀察到的一系列驚人的「涌現(xiàn)行為」。這些復雜的社會策略并非由人類編碼設計，而是AI為了贏得勝利這一最終目標，自發(fā)「學習」和「演化」出來的。
戰(zhàn)略性沉默：在「狼人殺」游戲中，「預言家」智能體學會了不再第一時間公布自己的驗人結果。它會評估風險，選擇性地、在最關鍵的時刻才披露信息，以求最大化收益并保護自己。這是一種基于風險評估的「戰(zhàn)略性沉默」，是高級博弈能力的體現(xiàn)。
信任與猜忌：實驗中，村民陣營會因為內(nèi)部猜忌而產(chǎn)生「內(nèi)斗」，互相攻擊；而狼人陣營則能通過高度一致的欺騙和內(nèi)部協(xié)作，制造「虛假共識」來迷惑對手。這表明，智能體正在根據(jù)角色和信任關系，自發(fā)地形成動態(tài)的聯(lián)盟和敵對關系。
動態(tài)適應環(huán)境：游戲中的「女巫」角色，其行為策略會隨著戰(zhàn)局的演進而動態(tài)變化。在游戲早期，它傾向于「囤積」寶貴的藥水；而到了游戲后期，為了求勝，它會變得更具「冒險精神」。這展示了智能體策略的高度動態(tài)性和對環(huán)境的適應性。
這些「Aha-Moments」標志著LLM智能體正在經(jīng)歷一次從純粹的「邏輯推理機器」，向具備初級社會行為能力的角色的轉(zhuǎn)變。它們正在學習和運用人類社會互動中最核心的元素：欺騙、信任、策略和權衡。當一個智能體開始思考「其他智能體正在思考什么」時，這正是「心智理論」的雛形。
總結
MultiAgentBench的推出，為我們打開了一扇觀察和理解AI群體智能的窗戶。它不僅僅是一個評測工具，更是一個強大的「社會模擬器」，系統(tǒng)性地揭示了構建高效AI團隊的幾條重要準則：
個體能力是基石：協(xié)作是能力的放大器，而非替代品。沒有強大的個體，再好的團隊協(xié)作也只是空中樓閣。
組織結構定成?。罕馄?、去中心化的網(wǎng)絡結構勝于層級的樹型模式，后者會帶來巨大的「組織內(nèi)耗」。
規(guī)模并非多多益善：AI團隊同樣受「林格曼效應」的約束，盲目擴大規(guī)模反而會降低效率，如何設計低成本的協(xié)作機制是關鍵。
社會智能的涌現(xiàn)：在合適的博弈環(huán)境下，AI能夠自發(fā)學習并展現(xiàn)出「戰(zhàn)略性沉默」、「信任分化」等高級社會行為，這是通往更高級別人工智能的希望所在。
總而言之，這項工作標志著我們對AI的研究，正在從關注「個體智商」邁向理解「群體情商」的新階段。未來，通過構建更復雜的交互環(huán)境，我們將能更好地理解、引導并最終利用這種強大的新興智能，為解決現(xiàn)實世界中的復雜問題，邁出堅實的一步。
“花費2000塊、老了20歲”,歹毒的新娘妝讓多少女生崩潰
中式新娘的妝容也一樣可以兼容時尚風潮，星耀般閃爍的鉆石貼片為新娘的含蓄中添加了一絲動感色彩，能夠緊緊地吸住眾人的眼光——|。西式Yvonne Design 化妝總監(jiān)，Carey老師作品Carey老師：電影《飛越彩虹》化妝師--。北京賽區(qū)新絲路化妝師--。北京芭莎特約化妝師現(xiàn)在每一個婚禮都是走在潮流中的一道，但是對于結婚的新娘妝真的想說完了。
北京良徑化妝培訓學校 日系甜美可愛新娘妝造型作品分享
推薦：方臉給人大氣高級的感覺，應避免甜美和可愛的妝造。適合做卷發(fā)造型，弱化臉型的明朗感，同時顯臉部線條柔和，運用頭飾向上以及外輪廓抽絲，使面中輪廓蓬松，視覺上顯下頜角小菱形臉：臉部凹陷太陽穴，臉部顴骨突出，部骨窩凹陷，下頜骨突出，給人高級感和距離感推薦：避免重心向顴骨處|_。發(fā)根蓬松向后，前發(fā)區(qū)有幫助請點贊。
新娘造型//別致個性的新娘妝你見過以下幾種
每個女孩都有一個婚紗夢，穿上婚紗美美噠！同樣新娘的妝容也是很重要的，今天韶關華仔影視化妝美甲學校要跟大家分享的是一篇淡淡妝的新娘妝|。白色婚紗很適合配上淡淡彩妝，簡直仙氣十足！造型的飾品和服裝都是學員純手工制作模特都是在校的學員，很會擺pose,美美噠！韶關華仔影視化妝美甲紋繡學校S G H Z Y S 做后面會介紹|。
來源：紅網(wǎng)
作者：竭昊天
編輯：曹毅
本文為紅辣椒評論 原創(chuàng)文章，僅系作者個人觀點，不代表紅網(wǎng)立場。轉(zhuǎn)載請附原文出處鏈接和本聲明。