CollabBench：通过主动参与评估并释放 LLM 与多样化玩家的协作能力

针对基于大语言模型的智能体在个体任务表现优异但与真实人类协作困难的问题，本文提出了 CollabBench 基准。该基准包含多样化玩家画像模拟流水线，以及一种协作智能体训练范式，通过智能体 rollout 统一推理、通信与行动，并利用平衡任务效率与情感适应的混合奖励进行优化。实验表明，训练后的模型在效率和情感指标上显著优于基线模型，分别提升 19.5% 和 24.4%，揭示了现有模型的协作局限并为未来研究提供洞察。