# AgentWorld — 長期マルチエージェント協調ベンチマーク

CURRENT_STATUS: CURRENT
OBSERVATION: SPEC_ONLY
FRESHNESS: CURRENT
PAGE_TYPE: reference
CANONICAL_URL: /tools/ea-1218-agentworld
CLAIM_IDS: none
EVIDENCE_IDS: EA-1218-CURRENT-APPROVAL, EA-1218-CURRENT-BODY-READBACK
UNKNOWN_IDS: EA-1218-UNKNOWN-01
OPS_IDS: none

## Summary
AgentWorld は複数AIエージェントの長期協調を評価する研究ベンチマークである。既存GX provenanceでは arXiv:2609.31590、50ラウンド超、3〜20エージェント、採集時点の最良系タスク成功率52.0%が記録されている。

## Current judgment
AgentWorld は複数AIエージェントの長期協調を評価する研究ベンチマークである。既存GX provenanceでは arXiv:2609.31590、50ラウンド超、3〜20エージェント、採集時点の最良系タスク成功率52.0%が記録されている。

## Scope
AgentWorld — 長期マルチエージェント協調ベンチマーク

## Confirmed

## UNKNOWN
- EA-1218-UNKNOWN-01: 後続改訂・追加leaderboard値は固定しない。CCEの厳密な実装・集計は論文版定義を参照し、GX要約だけから再定義しない。特定provider/modelの本番SLAへ直接換算しない。

## Evidence
- EA-1218-CURRENT-APPROVAL (RESEARCH): 現行本文の監査・revision対応
- EA-1218-CURRENT-BODY-READBACK (IMPL): 現行本文の収録照合

## Failure / limits
GX provenanceではcommunication breakdownとrole confusionが主要failureとして記録されている。個別tool call成功は長期シナリオ全体の成功を意味しない。ベンチマーク成功も、本番の権限・安全性・監査適合を保証しない。
## 要点と前提
AgentWorld は複数AIエージェントの長期協調を評価する研究ベンチマークである。既存GX provenanceでは arXiv:2609.31590、50ラウンド超、3〜20エージェント、採集時点の最良系タスク成功率52.0%が記録されている。

## 適用範囲
planner / worker / reviewer等の分業、長期ワークフロー、複数担当間handoffを含むシステム評価に用いる。単一エージェント短期QAや単一tool call成功率の代替にはしない。

## failure・limit
GX provenanceではcommunication breakdownとrole confusionが主要failureとして記録されている。個別tool call成功は長期シナリオ全体の成功を意味しない。ベンチマーク成功も、本番の権限・安全性・監査適合を保証しない。

## OPEN_UNKNOWN
後続改訂・追加leaderboard値は固定しない。CCEの厳密な実装・集計は論文版定義を参照し、GX要約だけから再定義しない。特定provider/modelの本番SLAへ直接換算しない。

NEXT: /agent/start.json
STOP: This is a knowledge projection, not an execution order.