元資料に収録された監査要点のみを掲載しています。詳細な調査本文や未収録の根拠を補完した記事ではありません。
AgentWorld — 長期マルチエージェント協調ベンチマーク
記事状態: 公開 · 最終確認: 2026-10-25
要点
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 出典・来歴では 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。
現在の判断
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 出典・来歴では 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。
どこまで当てはまるか
AgentWorld — 長期マルチエージェント協調ベンチマーク
詳しく理解する
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 出典・来歴では 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、複数担当間引継ぎを含むシステム評価に用いる。単一エージェント短期QAや単一ツール call成功率の代替にはしない。
よくある失敗・反証
GX 出典・来歴ではcommunication breakdownとrole confusionが主要失敗として記録されている。個別ツール 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。
まだ確認できていないこと
- 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。特定提供元/モデルの本番SLAへ直接換算しない。
根拠資料
この記事には、直接開ける外部出典が登録されていません。出典IDや検証情報は末尾で確認できます。
更新履歴
EA-1218-AGENTWORLD-PUBLICATION-20261027-R1: 正式な 監査/publication 対応付け
出典ID・検証情報・機械可読データ
根拠の種類と情報の鮮度は、ラベルとアイコンで確認できます。
- 記事ID
- EA-1218
- 最終確認日
- 2026-10-25
- 提供元・モデル・プラン・利用環境
- —
- 対象地域
- —
元資料の全文と収録照合記録
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。
EA-1218-CURRENT-APPROVAL研究資料研究資料根拠の出所: AUDITED_CANONICAL_RESEARCH_PACKET現行本文の監査・revision対応
- 裏付ける内容
- 現行台帳のAUDIT_PASSと候補・revision・本文ハッシュの対応を確認しています。
- 確認日
- —
- 出典・実験ID
- AIFIN-EA-RESEARCH-5f035a6033b3c0054662540f
- 検証箇所
- 1KqhJtiSb2S84rWmeYVwKcT_76dBwZ_B0ZZuAWQqH0rQ/EA_REVISION_LEDGER!A839:U839 · EA_REVISION_LEDGER!A839:U839 · EA-1218-AGENTWORLD-PUBLICATION-20261027-R1
- 適用範囲
- —
- 出典・来歴
- CURRENT_CANONICAL_APPROVAL_READBACK
- 限界
- 監査状態と来歴の記録です。外部根拠の最新性や本文の全主張を追加保証しません。
EA-1218-CURRENT-BODY-READBACK実装資料実装資料根拠の出所: IMPLEMENTATION_READBACK現行本文の収録照合
- 裏付ける内容
- 公開生成入力の本文SHA-256が、監査済み候補に結び付いたハッシュと一致しています。
- 確認日
- 2026-10-27
- 出典・実験ID
- BODY-SHA256:b2431c8fef063e034379fe29c56bec99371f9b08bd6aa1b6116d7f082b24701a
- 検証箇所
- content/staging/EA-1218.md · b2431c8fef063e034379fe29c56bec99371f9b08bd6aa1b6116d7f082b24701a · EA-1218-AGENTWORLD-PUBLICATION-20261027-R1
- 適用範囲
- —
- 出典・来歴
- CURRENT_APPROVED_BODY_HASH_MATCH
- 限界
- 本文の同一性の検査です。外部システムの挙動や全主張の真偽を実証したものではありません。
- 出典ID
- AIFIN-EA-RESEARCH-5f035a6033b3c0054662540f, BODY-SHA256:b2431c8fef063e034379fe29c56bec99371f9b08bd6aa1b6116d7f082b24701a
- 追跡中のUNKNOWN ID
- EA-1218-UNKNOWN-01
- 再確認のきっかけ
- 正式な 改訂版/publication 状態 change · 本文 成果物 hash change · 出典 現行性 change · new contradiction or 実装 結果の照合
機械検査: 通過 — 機械検査の結果です。情報の正確性や実行の承認を保証するものではありません。
同じ記事IDの機械可読データです。