Einsia AI发布多智能体编排基准WorkflowArena

Einsia AI 旗下 Navers Lab 发布多智能体编排基准 WorkflowArena，专门评测大模型的多智能体编排能力。该基准包含 145 项长程任务，覆盖软件工程、企业运营、科学研究、数学推导、金融、法律、内容设计与 3D 制作 8 个领域，并对 9 个主流模型的 25 种推理配置进行了评测。 据发布方说明，评测中模型看不到判题器和标准答案，评分只看交付结果，与使用了多少子智能体无关；每一次调度都会被完整记录。

AI 根据报道生成 · 18 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。