MASBench: Benchmarking LLM-based Multi-Agent Collaboration under Partial Observability

arXiv cs.AI · 6 oct, 06:00

Se presenta MASBench, un benchmark para evaluar sistemas multi-agente basados en LLM bajo observabilidad parcial, donde cada agente solo accede a información limitada del entorno. El trabajo introduce tres categorías de tareas (razonamiento, planificación y juegos) y evalúa mecanismos de colaboración como protocolo, memoria y enrutamiento.