摘要
本文提出 BenchAgent 评估框架，在统一的执行与日志协议下，对比单智能体、固定多智能体及演化多智能体工作流。通过在十个推理、编码及工具使用基准上的测试发现，标准化条件下多数多智能体系统未超越单智能体基线，且成本更高。然而，在协议对齐的外部 GAIA 研究中，运行时生成的动态工作流表现显著优于固定多智能体系统，揭示了动态规划架构在复杂任务中的优势。
AI 推荐理由
论文核心评估多智能体工作流（任务规划架构）在标准化协议下的效能与成本权衡。
研究机构
北京邮电大学
Westlake University
浙江大学
北京大学
香港科技大学
论文信息