AgentWorld 基准评测：最强模型团队仅完成 52% 协作任务

OpenAgents 联合哥伦比亚大学、宾夕法尼亚大学等机构构建了多智能体协作评测基准 AgentWorld，在 MMORPG 沙盒中让 3 至 20 个智能体分工完成 100 个人工设计任务及 100 个增强变体。