arXiv cs.CL· Shannon Zejiang Shen, Yapei Chang, Qiyao Liang, Benjamin Newman, Jenny Liang, Rulin Shao, Ziqiao Ma, Junjie Oscar Yin, Yung-Sung Chuang, Weijia Shi, Yejin Choi, Luke Zettlemoyer, Pang Wei Koh, Mohit Iyyer, Tongshuang Wu, David Sontag·· 12 小时前AI 评分52
World of SWECraft：通过模拟软件世界实现大规模智能体协作
World of SWECraft: Agent Collaboration at Scale via Simulated Software Worlds
AI 导读
论文提出 Software World 框架，用真实且相互依赖的 Python 包构建模拟软件世界，让多个 AI 智能体在其中自主发现任务并协作维护包，以隐藏依赖包的加速比衡量集体产出。
正文 · AI 翻译
作者：Shannon Zejiang Shen、Yapei Chang、Qiyao Liang、Benjamin Newman、Jenny Liang、Rulin Shao、Ziqiao Ma、Junjie Oscar Yin、Yung-Sung Chuang、Weijia Shi、Yejin Choi、Luke Zettlemoyer、Pang Wei Koh、Mohit Iyyer、Tongshuang Wu、David Sontag
摘要：随着 AI 智能体团队承担更大的项目和长期存在的开放性问题，智能体协作提供了扩展推理时计算的另一个维度。为了理解是什么让这种协作有效且可扩展，我们开发了 Software World，一个用于在真实软件生态系统中模拟多智能体协同工作的框架。它附带一条流水线，用于创建由不同主题、规模和依赖结构的真实、相互依赖的 Python 包组成的环境，我们称之为软件世界。在模拟中，智能体维护世界中的包，其高层目标是提高软件效率，并且它们可以自由发现要处理的任务并与他人协作。我们通过测量隐藏的依赖包中的加速比来集体评估智能体在世界中的工作。该框架允许我们通过改变通信、所有权和资源分配来研究协作的不同要素。我们在三个不同的世界中运行模拟，在八个模型上总计超过 10,000 小时的智能体工作。总体而言，性能提升随推理时计算而扩展，最佳模型将下游效率提升高达 31%。我们表明，大多数智能体可以通过协作找到有意义的任务，但一些前沿模型可能会过早停止寻找改进，进展甚微。我们在此 https URL发布模拟框架和轨迹，以支持未来对智能体协作的研究。
| 注释： | 33 页，9 张图，7 张表 |
| 主题： | 人工智能 (cs.AI)；计算与语言 (cs.CL) |
| 引用为： | arXiv:2610.24061 [cs.AI] |
| （或此版本的 arXiv:2610.24061v2 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2610.24061 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Zejiang Shen [查看电子邮件]
[v1]
2026 年 10 月 16 日星期五 17:59:39 UTC（3,190 KB）
[v2]
2026 年 10 月 21 日星期三 17:59:34 UTC（3,231 KB）
来源：arXiv cs.CL · arxiv.org