Chinese contentDecArena 基准发布：去中心化多智能体协作遇上 10 万工具规模测试
做智能体系统的人可以看看这个基准：它专门测没有全局编排器、只能靠邻居通信的场景，10 万工具规模下主流 LLM 智能体都翻车，RL 也救不回来。论文给的 GraphHarness 基线涨了 48.5 个点还省成本，思路对搭建大规模分布式智能体很有参考价值。
做智能体系统的人可以看看这个基准：它专门测没有全局编排器、只能靠邻居通信的场景，10 万工具规模下主流 LLM 智能体都翻车，RL 也救不回来。论文给的 GraphHarness 基线涨了 48.5 个点还省成本，思路对搭建大规模分布式智能体很有参考价值。